SEM視角下人民幣匯率風險影響因素研究

蔡梓涵 葉 琪

一、引言及文獻綜述

長期以來，匯率風險不僅給微觀實體企業帶來巨大影響（郭飛，2012），也是影響宏觀經濟平穩發展的重要因素（趙茜，2018）。中國對外開放在促進貿易和投資發展的同時，也使經濟實體面臨更為復雜的匯率風險。因此，研究人民幣匯率風險影響因素，不僅有助于企業更好地管理匯率風險，而且能夠為宏觀經濟持續平穩運行與政府部門制定和頒布相關政策提供有效的經驗數據和理論支持。關于匯率風險測度，國內外學者已作了大量研究。Engle（1982）基于美元匯率序列存在波動性與異方差特征，設計ARCH模型對匯率風險進行了測度。隨后，眾多學者嘗試對ARCH 模型加以拓展，相繼提出了GARCH 模型、EGARCH 模型、滿秩矩陣法多變量ARCH 模型等（Bollerslev，1986；Nelson，1991；Ding和Engle，2001）。Jorion（2006）、Uryasev（2000）運用VAR 模型、CVAR 模型等進行匯率風險測度。朱孟楠和侯哲（2013）、陳衛東和王有鑫（2017）、宋烜和孟慶斌（2019）分別從理論損失區間、跨境資本流動、收益率等角度提出開展匯率風險測度研究工作的新路徑。管濤（2021）運用特殊案例分析法開展匯率風險測度工作。關于人民幣匯率風險影響因素的研究，一些專家學者分別從匯率決定的購買力平價學說、利率平價學說、國際收支說等理論出發，研究貿易收支狀況（戴世宏，2006）、國際資本流動（谷宇等，2008）、大宗商品價格（丁劍平和向堅，2016）、物價水平（譚小芬等，2015）、利率（趙文勝和張屹山，2012）等因素對人民幣匯率風險的影響。

上述研究雖為探索人民幣匯率風險的影響因素提供了一定的基礎，但仍存在以下幾點不足。一是現有研究難以全面測度匯率風險的交互影響、捕捉匯率風險整體特征，也不具有普遍性推廣特點（王宗潤等，2009；伍楠林和龐博，2017；蔣先玲和王婕，2017；玄海燕等，2021）。二是在匯率風險測度體系中，較少深入探討人民幣匯率風險影響因素的交互作用機制?，F有研究盡管關注了匯率風險測度和人民幣匯率風險預警體系的構建（郭飛，2012），但現有方法難以深入剖析匯率風險測度的內在微觀現象，也無法準確測算匯率風險的內在機理，對管理部門有效完成匯率風險測度工作的幫助相對有限。有鑒于此，本文借鑒Sue 等（2016）的研究，嘗試運用結構方程模型分析人民幣匯率風險的影響因素。本文創新之處在于：一是基于SEM 模型構建人民幣匯率風險測度影響因素分析框架，為綜合分析匯率風險提供了可能；二是全面分析人民幣匯率風險影響因素的傳導路徑，為全面認識我國人民幣匯率風險、有效防范系統性金融風險提供決策參考。

二、人民幣匯率風險測度方法及備選變量選擇

（一）人民幣匯率風險測度方法

匯率風險需要借助影響匯率變化的因素對其進行測度和分析。匯率風險影響因素的選擇決定了匯率風險測度的有效性。本文匯率風險影響因素的選擇遵循以下步驟：第一，初篩匯率風險的參考變量。已有的關于人民幣匯率風險測度的文獻對如何設計變量體系并未達成一致看法，人民幣匯率風險測度所選擇的影響因素也各不相同。本文參考陳衛東和王有鑫（2017）的思路與方法、結合人民幣匯率風險特點，選擇可操作性強的相關變量。第二，運用Granger 方法從參考變量中篩選先行變量與同步變量。一是假設參考變量為人民幣匯率的單向Granger 原因，可得結果參考變量屬于先行變量；二是假設人民幣匯率為參考變量的單向Granger原因，可得結果參考變量屬于滯后變量；三是假設參考變量和人民幣匯率存在雙向Granger原因或Granger檢驗不顯著，推導出參考變量歸類于同步變量?；趪乐斝?，本文選擇的相關性數據區間為2011年7月至2021年6月，且在運用Granger因果檢驗過程中，采用滯后二期的結果測算論證。第三，將先行變量及同步變量作為人民幣匯率風險的備選影響因素，運用主成分分析法進行篩選?？紤]到選取各個先行、同步等變量比例的合理性和可行性，各個變量之間可能存在或隱含高度關聯性，本文采用主成分分析法，通過投影方法實現數據的合理降維，有效避免模型中隱藏的多重共線性問題，即在損失較少的數據前提下，篩選有代表意義的先行、同步變量作為有效衡量人民幣匯率風險的變量。第四，運用SEM 模型分析各影響因素對人民幣匯率風險的潛在影響，以及各影響因素之間的交互作用。

（二）人民幣匯率風險測度的備選變量

根據上述步驟，首先根據已有研究結果（具體見下文），初步篩選出人民幣匯率風險影響因素的備選變量，主要包括：國內生產總值、貿易收支情況、國際資本流動、外匯儲備、黃金儲備、大宗商品價格、中國物價水平、美國物價水平、人民幣基準利率、美元基準利率、存款準備金率、外匯貸款、貨幣供應量（M0、M1和M2)，數據來源于中國人民銀行、國家統計局網站。具體說明如下。

國內生產總值（GDP）：GDP反映了一國總體經濟實力,這是影響人民幣匯率風險的最基本、最重要的因素之一。我國經濟增長方式已從量的較快增長轉為量的合理增長和質的有效提升，GDP對人民幣匯率風險的影響不容忽視。因此，本文選取GDP 作為經濟風險的備選指標。貿易收支情況（TB）：貿易收支差額是衡量外匯市場交易的重要指標之一，貿易順差會導致本幣需求增加，有助于本幣升值（戴世宏，2006）。國際資本流動（ICF）：國際資本流入與流出會影響外匯供求，進而影響人民幣匯率的穩定，有時會給人民幣匯率帶來顯著的負面沖擊（谷宇等，2008）。本文用央行外匯占款增量與進出口及實際利用外商直接投資之差表示國際資本流動。外匯儲備（FER）：外匯儲備可用于央行外匯干預，且外匯儲備會影響投資者對本幣匯率的信心，充足的外匯儲備有利于本幣升值（孫濤，2000）。黃金儲備（GR）：黃金儲備對穩定國民經濟、抑制通貨膨脹、提高國際資信等有特殊作用。如果美元在一定時期內出現大幅波動，鑒于黃金保值的避險功能和儲值功能，央行購買黃金的動機將會變強，而這會消耗外匯儲備，間接影響人民幣匯率（方超逸，2009）。大宗商品價格（CP）：大宗商品價格和匯率之間存在密切關系。全球范圍內國際大宗商品價格主要以美元來計價，假如國際大宗商品價格上漲，中國進口相關的大宗商品需要更多美元，人民幣兌美元貶值壓力明顯加強（丁劍平和向堅，2016）。物價水平（CPI）：兩國相對物價水平變動會影響進出口商品價格，進而影響外匯供求。一般來說，高通貨膨脹國貨幣相對于低通貨膨脹國貨幣貶值。因此，中國CPI與美國CPI都是人民幣匯率的主要影響因素之一（譚小芬等，2015）。利率水平（i）：根據利率平價理論，利率與匯率存在密切關系，利率變化通過影響投資者對外匯市場上貨幣需求而影響匯率（趙文勝和張屹山，2012）。本文利率指標選取人民幣基準利率、美元基準利率、存款準備金率。人民幣基準利率是央行公布的指導性利率，也是金融市場具有普遍參考作用的利率，與其他金融市場利率或金融資產價格有較強關聯性。當央行調高人民幣基準利率時，資金會流入本國，促使外匯市場上本幣需求增加，本幣升值；與此同時，利率提高會導致信用緊縮、貸款減少、投資和消費減少，引起物價水平下降，進而抑制進口、促進出口，導致外匯需求減少，促使人民幣相對外幣升值。而美聯儲調高美元基準利率，人民幣相對美元會出現貶值可能。此外，中央銀行可以通過調整存款準備金率影響商業銀行的可貸資金，并間接影響匯率。外匯貸款（FEL）：商業銀行通過貸款方式將集中的外匯投放出去，外匯貸款規模越大、期限越長，風險越大。一旦外匯貸款無法償還，則可能出現銀行危機、債務危機和貨幣危機，進而影響匯率變化。貨幣供應量（M）：本文分別選取M0、M1、M2來表示三個層次的貨幣供應量。根據匯率理論，當本國貨幣供給量減少時，該國貨幣對內升值，此時直接標價法下匯率會降低，即本幣對外升值;當本國貨幣供給量增多時，貨幣對內價值降低，嚴重時會產生通貨膨脹，將引起人們將本幣兌換為外匯、從國外購買商品，從而促使本幣對外貶值，加劇外匯流動性風險。

在初步選定備選指標后，本文使用Granger 因果檢驗來篩選與人民幣匯率風險測度有關的參考變量，滯后期均設定為滯后二期，分析結果見表1。根據檢驗結果，滯后變量包括GDP、中國CPI、M0、外匯貸款，其余變量則為同步變量，作為人民幣匯率風險測度的備選變量。

表1 Granger因果檢驗分析

三、人民幣匯率風險測度新因子指標的構建

在確定人民幣匯率風險測度的備選變量后，鑒于人民幣匯率風險因素有較強的隱性特征，本部分運用因子分析法構建人民幣匯率風險測度的新因子指標。

（一）探索性因子分析基本理論

因子分析是指原始變量的絕大部分信息可用幾個獨立因子來表示，其數學模型為：假設X1,X2,X3,…,Xn為n個原始變量，進行標準化處理后μ值為0，相應的σ為1。原變量可以表示為m(m＜n)個獨立因子fi的線性組合，如式（1）所示：

用矩陣形式表示為：

式（2）中，F是獨立因子fi組成的列向量，A是因子載荷aij（i=1,2,…,n;j=1,2,…,m）組成的矩陣，aij表示第i個原始變量在第j個因子上的負荷，可用于表示因子對解釋變量的重要程度。ε是特殊因子，即在原變量里無法被j個因子所詮釋的部分。因子得分能最終反映因子綜合評價分析結果，可表示為：

其中X1,X2,X3,…,Xm可用來表示m個原始變量在觀測樣本上的取值是因子得分系數，說明原始變量對因子的重要程度。因子綜合得分表達式為：為權重，即各公共因子方差貢獻率占累計方差貢獻率比重。

（二）因子提取

利用SPSS22.0 軟件進行KMO 和Bartlett 檢驗，以判斷是否適合進行因子分析，結果見表2。Bartlett 球形檢驗測算值為1785.32，且P值小于顯著性水平0.05，同時KMO值為0.854，大于0.8，表明上述變量均適合因子分析。

表2 KMO和Bartlett的檢驗

人民幣匯率風險測度的備選變量有貿易收支情況（TB）、美國CPI、人民幣基準利率（id）、貨幣供應量M2、存款準備金率（r）、貨幣供應量M1、國際資本流動（ICF）、外匯儲備（FR）、大宗商品價格（CP）、黃金儲備（GR），依次用y1、y2、y3、y4、y5、y6、y7、y8、y9、y10表示。通過主成分分析法篩選因子且尋找出合適的特征值（數值比1 大），可得因子分析初始解下的變量共同度（具體結果未列出，備索）。一方面，變量y1、y2、y4、y5、y6、y7、y8、y10的共同度均大于70%，說明變量絕大部分信息可被指定的3 個因子解釋；另一方面，考慮到y3、y9的共同度比較接近70%，也說明變量絕大部分信息可被指定的3 個因子解釋。綜上可得：全部同步變量的大多數信息可以被指定的3個因子說明，信息丟失較少，因子提取的整體效果比較顯著。

表3描述各因子解釋總方差情況。其中，第一組數據（列2～列4）表明成分1（備選變量1）的特征值數據是5.629，較好解釋了原有10個參考變量總方差的56.289%，相應累積方差貢獻率數值是56.289，成分2～10數據含義依次類推。第二組數據（列5～列7）表明，原有10個備選變量總方差可被指定提取的3個因子很好解釋，即3 個因子總共解釋了原有10 個備選變量整體方差的83.996%，表明10 個備選變量僅有較少信息發生丟失，因子抽取平方和載入的獲取結果比較顯著。第三組數據（列8～列10）顯示，通過因子旋轉測算后，并沒有改變整體的累積方差貢獻率，進一步說明因子易于詮釋的合理性。

表3 解釋總方差的內容

使用SPSS22.0 軟件繪制因子特征值個數及碎石圖，如圖1 所示。根據碎石圖可知：第一個因子特征值較大，猶如“陡峭的山坡”；第二個因子特征值次之；第四個及之后的特征值很小且數值均小于1，圖形開始變得平緩，類似“高山腳下的碎石”，可以看作被丟棄的“碎石”，因此本文選取前三個因子。

圖1 碎石圖

（三）因子載荷矩陣

結合圖1，可得因子載荷矩陣，如表4所示。表4給出的因子載荷將用于下文的分析。

表4 因子載荷矩陣

（四）人民幣匯率風險測度新因子指標構建

本文采用方差極大法對因子載荷矩陣實行正交旋轉，結果如表5所示。根據表5，y2、y7、y9、y1、y10、y8在第一個因子x1上負荷較高，即上述六個變量可被第一個因子x1較好解釋，將其命名為經濟風險因子。y3、y5在第二個因子x2上負荷較高，即第二個因子x2可以較清楚說明這兩個變量，將其命名為利率風險因子。y4、y6兩個變量可被第三個因子較好解釋，可命名為流動性風險因子。分析結果如表6所示。

表5 旋轉后的因子載荷矩陣

表6 因子命名

四、人民幣匯率風險測度的SEM模型構造及分析

考慮到人民幣匯率風險因素之間可能存在交互影響，本文使用AMOS軟件進行SEM模型分析。

（一）人民幣匯率風險測度SEM模型

1.模型設計。根據前文分析，x1、x2、x3是潛在因素或稱無法觀察變量。y1、y2、y3、y4、y5、y6、y7、y8、y9、y10為觀測變量。人民幣匯率風險測度SEM 模型主要包含結構模型與測量模型。方程式（5）是結構模型，兩個線性矩陣方程式（6）、（7）都是測量模型。

2.人民幣匯率風險測度SEM模型檢驗。利用AMOS 17.0軟件繪制各影響因素的路徑圖，如圖2所示。

圖2 匯率風險測度結構方程模型路徑圖

由圖2 可知：第一，利率風險x2與流動性風險x3都對經濟風險x1產生影響，經濟風險x1是內生潛變量；第二，利率風險x2對流動性風險x3產生影響，流動性風險x3是內生潛變量；第三，利率風險x2對經濟風險x1、流動性風險x3都有影響，利率風險x2是外生潛變量。因此，借助結構模型研究潛變量間關系只要剖析內生潛變量的變化因素，進行結構方程模型檢驗，結果如表7所示。由于P值小于顯著性水平0.05，不符合要求；同時，CFI、NFI及IFI值都比0.9小，也無法滿足要求，需要進一步對模型加以修正。

表7 人民幣匯率風險測度結構方程模型檢驗及擬合優度

3.人民幣匯率風險測度SEM 模型修正。使用AMOS 17.0軟件自有的修正功能進行擬合，修正后的匯率風險測度SEM模型路徑圖如圖3所示。

圖3 修正后匯率風險測度結構方程模型路徑圖

表8顯示修正后的結構方程模型檢驗，修正后的整體結果比較理想。其中，從P、CFI、NFI及IFI值都符合模型檢驗要求，且RMSEA值小于0.08。

表8 修正后人民幣匯率風險測度結構方程模型檢驗及擬合優度

（二）人民幣匯率風險測度SEM模型分析

1.潛變量兩者間的內在聯系。由圖3可知，圖中所假設的3個潛變量兩者間的路徑系數，反映其存在因果關系，且路徑系數均顯著①。具體結果：第一，利率風險因子與流動性風險因子之間存在正相關關系，相應的線性回歸系數為0.92，表明利率風險因子上升1%，將導致流動性風險因子上升0.92%。第二，流動性風險因子和經濟風險因子之間存在正向變動關系，相應的線性回歸系數為0.73，表明流動性風險因子上升1%，將導致經濟風險因子上升0.73%。第三，利率風險因子和經濟風險因子之間存在同向關系，相應的線性回歸系數為0.40，表明利率風險因子上升1%，將導致經濟風險因子上升0.4%。

2.潛變量與觀測變量之間的內在聯系。首先，經濟風險因子與觀測變量間的關系分析。如圖3 所示，經濟風險因子涉及美國CPI、國際資本流動、黃金儲備、外匯儲備、貿易收支情況和大宗商品價格，其路徑回歸系數從大到小分別為0.95、0.85、0.73、0.55、0.43和0.33，表明美國CPI、國際資本流動、黃金儲備、外匯儲備、貿易收支情況、大宗商品價格都會對人民幣匯率風險測度產生影響，美國CPI 的影響最大。其次，利率風險因子與觀測變量間的關系分析。如圖3 所示，利率風險因子涉及人民幣基準利率和存款準備金率，其路徑回歸系數分別為0.42 和0.97，表明人民幣基準利率、存款準備金率都對人民幣匯率風險測度產生影響，存款準備金率的影響更大。再次，流動性風險因子與觀測變量之間的關系分析。如圖3 所示，流動性風險因子涉及貨幣供應量M2和貨幣供應量M1，其路徑回歸系數分別為0.85 和0.97，表明貨幣供應量M2、貨幣供應量M1都對人民幣匯率風險測度產生影響，貨幣供應量M1的影響更大。

五、結論與政策建議

（一）結論

本文首先通過Granger 檢驗篩選出與人民幣匯率風險測度有關的備選變量，進而借助主成分分析法，構建人民幣匯率風險測度因子分析模型，將人民幣匯率風險影響因子分為經濟風險、利率風險與流動性風險。在此基礎上，使用人民幣匯率風險SEM 模型深入研究人民幣匯率風險潛變量與觀測變量間的內在聯系，得出結果如下：第一，在經濟風險因子中，美國CPI 是影響人民幣匯率風險中的首要因素。從長期上看，人民幣匯率風險管理應當更加關注美國CPI 的波動。第二，在利率風險因子中，存款準備金率的影響比人民幣基準利率大，人民幣匯率風險管理應更加關注存款準備金率的調整。第三，在流動性風險因子中，貨幣供應量M1是影響人民幣匯率風險的首要因素，人民幣匯率風險管理應當關注貨幣供應量M1的合理規模。

（二）政策建議

基于上述結論，本文提出以下政策建議：首先，在通貨膨脹持續高位壓力下，美聯儲采取持續加息政策，對我國有較強外溢效應。美元加息，市場流通的美元相對減少，美元相對升值，人民幣貶值預期增強，對進出口產生影響，進而可能引發我國輸入性通貨膨脹。因此，我國政府應及時出臺相關政策，穩定人民幣匯率預期，完善匯率風險管理機制。其次，存款準備金率下調有利于緩解人民幣貶值壓力，對匯率穩定起到支持作用。央行應進一步持續完善存款準備金率調控模式，將貨幣政策調控與穩定匯率市場預期管理同步，釋放穩匯率政策信號，維護金融市場平穩運行，實現穩增長和防風險的長期均衡。再次，調節貨幣供應量可以在一定程度上防范匯率風險。因此，央行應建立貨幣供應量識別機制，有效測度貨幣供應量變動可能帶來的流動性風險及其對人民幣匯率風險的影響，用好各項政策工具，保持市場資金供求充裕穩定，降低流動性風險，以維護外匯市場平穩運行和國際收支的基本平衡。

注釋：

①潛變量之間的路徑系數表示某一變量的變動引起其他變量變動的程度。