摘要：今年伊始，新冠疫情在全世界范围内肆虐，对全球经济造成了沉重打击。在当前全球不确定性不断上升的背景下，如果人民币依旧能够持续升值并保持稳健（即成为避险货币），一方面将有效地减少资本 外流从而保障我国金融安全与稳定，另一方面也能够极大地提升人民币的国际地位。本文通过一个类因子模型发现，影响一国货币汇率收益与避险价值的既包括本国因素，还包括本国经济联系密切的其他各国因素（本文称其为外国因素）和全球风险因素。随后，本文利用机器学习方法对此进行了实证检验，分析表明：（1）本国与外国因素均会对货币避险价值造成影响，其中利率因素的影响最为明显，而价格水平因素的影响程度则相去甚远；（2）多数基本面因素不会直接地影响货币避险价值，但会通过影响经济基本面的各类因素对其造成显著的间接影响；（3）本国利率水平、金融要素市场建设与资本市场开放情况对于货币避险价值具有重要意义，但其中大多数外国因素对货币避险价值的影响相对较小。
关键词：避险货币；因子模型；利率平价；随机森林模型；机器学习
作者 | 丁剑平（IMI学术委员、上海国际金融中心研究院副院长、上海财经大学现代金融研究中心主任）、吴洋、吴小伟
次贷危机以来，全球风险波动状况有所加剧，近年来更是受到中美贸易摩擦、国际油价暴跌、新冠疫情等多个黑天鹅事件冲击，使得世界金融市场动荡不安，甚至连美国、欧盟、日本和英国等世界主要经济体的货币汇率也开始出现大幅波动。市场的频繁波动也重新唤起了公众对避险货币的关注。对于人民币而言，如果能够在当前全球不确定性逐渐提高的背景下保持币值稳定性，一方面能够有效减少国内资本外流从而保障我国金融安全与稳定，另一方面也能够加大地提升人民币在全球范围的影响力及使用率，推动人民币国际化进程。因此，在目前全球避险情绪高涨背景下，分析哪些因素能够提升一国的货币表现、货币当局应如何制定相应政策以提升本国货币避险能力已经成为一个重要的研究课题。纵观已有文献，可以发现主要存在以下不足：（1）无论是对汇率收益率的影响因素，还是对危机时期货币避险价值影响因素的实证分析中，所使用的计量模型均为线性模型，这可能会忽略解释变量与被解释变量之间更复杂的关系从而使得文章结论出现偏差；（2）目前分析货币避险能力影响因素的文章中，考虑的所有解释变量均为本国变量或全球共同变量（如金融危机虚拟变量、主要大宗商品价格等），在世界经济联系越来越紧密的今天，由于这种分析方法忽略了外国因素对于本国的影响，因此所得结论可能存在一定问题；（3）现有对汇率或汇率收益影响因素的分析中，受制于宏观数据可得性以及模型计量要求等原因，需要在实证分析前筛选出一定数量的宏观影响因素，而由于大部分影响因素（除利率、通货膨胀率外）对于汇率收益的影响过程无明确理论依据，因此这种筛选过程在很大程度上具有主观性。本文的主要贡献有：（1）通过简单回归树和随机森林方法，综合分析众多类型宏观因素与汇率收益率间的线性及非线性关系，实现了比线性模型明显高出许多的拟合度，并通过不同类型的样本外检验保证模型结果的稳健性与可靠性；（2）将本国与其他各国的贸易占比作为权重，编制与各国国内因素相对应的外国因素，并将外国因素与全球风险因素一同纳入模型分析框架，从而避免因只考虑本国因素而造成模型失准；（3）对于大量无明确理论依据的宏观因素，本文以各因素对于历史数据的拟合程度贡献为标准，从大量宏观指标中筛选影响汇率收益的因素，确保了分析过程的客观性与准确性。文章余下部分结构安排如下：第二部分是理论模型分析，第三部分是数据来源与实证模型说明，第四部分是实证结果分析，最后一部分为结论总结及相应政策建议。如前文所述，本文主要考察究竟何种因素会影响各国货币表现，因此本文实证部分的理论基础实际上是一个加入风险因素后、从资产定价角度分析的汇率定价模型。从形式上看，该汇率定价模型以传统的无抛补利率平价模型为基础，并将汇率偏差用风险因素进行了解释，从资产定价的视角分析了传统利率平价理论失效的原因。为此，有必要先对利率平价模型以资产定价的方式重新进行阐述。从理论分析可以看出，通过将汇率视为金融产品的收益，可以看出非抛补的利率平价发生偏移，或者说出现“法玛之谜”的主要原因在于，该理论仅考虑了利率这一特定因素对于此种金融产品的影响，而忽略了其他风险因素（如宏观经济因素）可能带来的冲击。而与资产定价领域的一般因子定价模型相比，汇率收益的影响因子不仅包括本国因素，还包括与本国因素相对应的外国因素，这两类因素对于被解释变量的影响系数可能不是简单的相反数关系。另外，在全球风险上升时，部分因素还会受全球避险情绪影响从而放大其对汇率的影响作用，为准确衡量影响汇率收益尤其是在全球潜在风险上升时影响汇率收益的因素，有必要在模型中广泛的引入包括本国因素、外国因素以及与全球避险情绪交互后的本国与外国因素（为避免歧义，下文将与全球避险情绪交互后的本国与外国因素分别称为本国风险因素和外国风险因素——作者注）等多类影响因素，分析不同类型因素对于汇率收益率的影响情况，并以此为基础确定究竟哪些因素对于一国货币避险能力能够产生重要影响。值得注意的是，上文的分析中假定随机贴现因子由风险因子线性叠加得到，而在实践中的分析需要进一步考虑风险因子与随机贴现因子间更加复杂的关系。对于这种复杂的相关关系，有必要通过机器学习方法代替传统的线性回归，从而更加准确地判断究竟哪些因素会影响一国货币的避险能力（理论分析部分的具体数理推导步骤请参照原文——编者注）。（一）变量描述和数据来源本文选择了1970至2017年世界主要153个国家和地区的相关数据作为样本，所有的数据选自IMF IFS、IMFWEO及世界银行数据库，汇率指标为从IMF IFS数据库选取的各国样本期内的平均对美元汇率。本文分析的所有主要变量为各类风险因素，参照Habib & Stracca（2012）和Byrne et al.（2019）等人的研究思路，将这些因素分为五个主要类别：1. 利率水平与价格水平；2.国家基本面因素；3.影响经济基本面的常规与非常规因素；4.金融市场建设情况；5.资本市场开放度。作为重要创新点之一，本文仿照名义有效汇率的加权平均编制方法得到外国因素：按照DOTS数据库中各国与其他各国的贸易比例作为权重，将样本内每个国家风险因子所对应的外国风险因子进行加权平均 ，就得到了与本国因素对应的外国因素。除了本国因素与外国因素，本文还选取了VIX指数和VXO指数作为全球避险情绪的代理变量。这一指数由芝加哥期权交易所（CBOE）制定，用以衡量标准普尔500指数期权的隐含波动率，在许多文献中均已表明，VIX与全球避险情绪显著相关。本文的所有数据的数据来源均来自IMF IFS、IMFWEO、WORLD BANK等数据库，需要说明的是，由于宏观数据的特性，部分原始数据存在缺失。为处理此问题，本文仿照资产定价领域的处理方法，首先按照每年样本内国家的人均GDP排名、GDP排名、总人口数将样本分为14组，然后按照上述组别优先级依次填充组内均值，这样，便得到了缺失程度较少的宏观数据。经过这样的处理，最大程度地保证了数据的完整性，但也必须认识到，这种做法可能会对最终结果的准确性造成一定影响。（二）实证方法本文实证模型的一般线性表达式为：其中△eit是一国货币兑美元汇率的双边汇率变化，因此该数值增加表示本币较美元贬值，反之则反是；Ri,t-1和R*i,t-1分别表示本国与对应的外国短期利率水平。Xi,t-1表示各国国内各风险因素，X*i,t-1为各国以贸易为权重加权平均得到的与国内要素相对应的外国风险要素，其系数代表各要素对汇率收益率的边际影响。Vt表示全球避险情绪，Vt-1Xi,t-1和Vt-1X*i,t-1表示风险化后的国内与外国因素，可根据其相关系数显著与否检验该要素对货币避险能力是否有影响。本文选取的所有因素都是滞后一期的变量，这样能够避免出现反向因果。本文首先对于上述线性模型进行估计和分析，随后采用机器学习方法中的分类与回归树集合方法分析各风险因素的影响。分类与回归树（Classification and Regression Tree，简称CART）是Breiman et al.（1984）提出来的一种非参数预测方法，该方法通过不断递归的划分方式，最终形成一个局部最优的二叉树。而随机森林（Random Forest）方法则是通过随机的方法，迭代单棵树生成过程到一定次数，然后将所有树的结果取均值，将其作为因变量的预测值。本文将通过对比线性模型、简单回归树与随机森林模型在模型结果可靠性、模型拟合程度及其稳健性方面的差异，寻找拟合程度最佳并且样本内外表现最稳定的实证模型。为保证本文回归树与随机森林模型拟合效果，本文对CART模型中的参数分别进行了两次调整过程，第一步进行随机调参，在指定范围内随机选择参数值，在进行100次参数组合试验后选择最优参数；第二步根据随机调参的结果，通过网格搜索对随机最优参数进行微调，进一步提升模型的拟合程度。需要指出的是，由于回归树与随机森林模型为高度非线性模型，因此各特征（即解释变量，下同）对被解释变量的影响程度无法通过相关系数或者偏导数来衡量，其主要评判标准为各棵树上保留特征对均方误差变化影响的均值。（一）基于面板模型的汇率收益影响因素分析本文首先通过固定效应下的普通面板回归分析全样本下的各国汇率收益率的主要影响因素。限于篇幅，本文只列出了显著程度较强因素，具体情况请参看表1。总结面板回归结果可以发现，在全样本区间内，利率与价格水平对于汇率收益影响最大，而影响经济基本面的常规及非常规因素对于货币的避险价值有重要影响。同时也能够看出，面板回归结果中部分因素对汇率收益率的影响方向与传统经济观点存在一定偏差，并且模型也无法识别出如利率这种理论上应具有显著影响的因素。造成这一现象的原因可能是由于线性模型对解释变量的要求与假设过于严格所致，这也可能是除了数据因素以外另一个导致“法玛之谜”的原因。受此影响，面板模型的实证结果的可信性将大大降低，因此便有必要通过其他方法来研究汇率收益率及货币避险价值的影响因素。（二）基于回归树与随机森林的汇率收益影响因素分析表3给出了在全样本范围内简单回归树与随机森林模型中最具影响力的10个主要因素。总结来看，对于不同的变量组，简单回归树模型的变量重要程度排名波动较大，而随机森林模型的各类要素影响力较为稳定，从这个意义上来说，随机森林模型较之简单回归树模型可能有更高的可信度，接下来本文继续通过模型拟合情况来进一步分析各模型的可信度。（三）样本内与样本外各模型拟合情况对比分析表4分别展示了考虑不同变量组时，线性面板模型、简单回归树模型与随机森林模型的拟合情况。为统一度量不同计量模型的拟合程度，本文选取R方作为判断模型拟合程度的标准。可以看出，在线性面板模型中，随着变量种类和数量的增加，模型的R方（组内R方）呈上升趋势，由于本文的面板回归采用固定效应模型，这说明随着模型中变量种类和数量的增加，模型的拟合程度确实出现了明显提升。对比来看，添加全球风险交乘项时对于模型拟合程度的提升要高于添加外国变量时，这说明在面板模型分析时，全球风险交乘项对于模型拟合程度的边际贡献要高于外国变量。与线性模型类似，简单回归树与随机森林模型的R方也出现了随模型内解释变量数量增加而提升的现象，但对比后可以发现这种提升显著低于线性模型，甚至还有增加变量导致模型拟合程度下降的现象。同时对比后还可以发现，在简单回归树与随机森林模型中，外国变量与全球风险交乘项对于模型拟合程度的边际贡献无明显差异。对比线性面板模型的拟合情况可以发现，简单回归树与随机森林模型的拟合程度较面板模型有了大幅提升，从这个意义上看，在本文所考虑的全样本范围内，回归树及其组合模型能够更好地解释各国汇率收益率的变化。但模型的意义不仅仅在于分析历史，更在于预测未来，至少需要预测未来短期内解释变量的影响，因此，上述模型的实际拟合情况还需要通过样本外数据的检测来验证。本文首先按照不同时间段对全样本数据进行分割，检验各模型在不同时间段上的稳健性。根据面板数据分布情况，结合样本期内重大历史事件分布情况，本文选择以1992年底作为分割点，将1970年-1992年与1993年-2017年数据作为两组测试集，以全样本数据作为训练集，分别考察线性面板模型、简单回归树模型与随机森林模型的样本外拟合情况，详细拟合情况在表5中列出。可以看出，无论模型中是否考虑外国因素与风险因素，三类模型在两个测试集的拟合情况较训练集均有一定差异。与两类机器学习模型相比，线性面板模型的样本内外拟合情况之差更明显一些，并且在两个测试集上模型的拟合情况还要好于训练集，这说明线性面板模型无论是在拟合的精准度还是稳定性上均表现不佳；简单回归树与随机森林模型在全样本以及两个测试集的拟合情况趋势一致，均表现为阶段1优于全样本、全样本优于阶段2，但在同时考虑外国因素与风险因素的模型中，随机森林模型在样本内以及两组测试集上的R方差异（相对水平）要小于简单回归树模型。总体来看，面板回归模型与简单回归树模型的稳健性相对不足，尤其在将外国因素与风险因素纳入分析框架后，随机森林模型的稳定性更好。本文也按照国家发展水平将样本数据划分为发达国家组与新兴市场国家组两个新的测试集，从侧面考察考察不同国家分组对三类模型稳健性的影响，拟合情况如表6所示。可以看出，按照不同国家分组时，面板回归模型的稳健性仍然不足，在考虑外国因素时仍旧出现了测试集拟合程度优于训练集的情况。同时简单回归树模型的稳健性也出现了明显变化，与按时间段分组时相比，简单回归树模型的拟合程度差异在不同国家分组的测试集间表现得更加明显，并且在各测试集间的表现没有出现一致的趋势。与上述两类模型相比，随机森林模型不仅在样本内外的表现差异最小，并且在考虑不同因素组时，均表现出新兴市场国家拟合情况优于发达国家的趋势。通过上述两次稳健性对比可以看出，尽管三类模型都能够在不同程度上解释分析历史，甚至简单回归树模型在部分测试集中的拟合情况要优于其他模型，但只有随机森林模型在样本内与样本外表现差异相对较小，并且能够在考虑不同类型因素时在不同的测试集上表现出一致的趋势。从这个意义上看，随机森林模型的可信度最高，尤其是在将模型用于预测未来汇率收益率与货币避险价值影响因素时，应选择随机森林模型进行分析。本文通过回归树与随机森林方法，在将本国因素、外国因素以及风险因素全数纳入模型后，利用世界上153个国家与地区1970—2017年的跨国面板数据对汇率收益率的影响因素进行了实证研究，并在此基础上分析哪些因素会对一国货币的避险价值产生显著影响。研究发现：第一，无论模型中是否考虑全球避险情绪，本国与外国因素对于汇率收益率均有一定影响，其中利率水平因素的影响最为明显，而理论上应与其有类似表现的价格水平因素，其影响程度则相去甚远；第二，尽管国家基本面因素对于汇率收益率的直接影响较弱，但影响经济基本面的因素却对其产生了显著的影响，尤其是否发生金融危机这类非常规因素对于汇率的影响更加剧烈；第三，在全球避险情绪和潜在风险上升时，利率水平、本国金融市场建设与资本市场开放情况对汇率收益率的影响出现了明显提升，但其中的大多数外国因素仅会影响汇率收益，而对货币避险价值的影响较小。基于上述研究结论，本文就我国应如何深化人民币汇率改革、提升人民币的避险价值提出以下政策建议：第一，为提升人民币避险能力，需要进一步加强我国金融市场的基础设施建设，真正实现市场机制在利率市场上的指导作用，以此为基础逐渐改变国际投资者对于我国金融市场的刻板印象，提升我国金融市场与人民币的国际形象；第二，除金融市场建设外，我国既要进一步加强宏观经济建设以强化“内功”，也要逐步有序地提升对外开放水平来加强“外功”，通过“内外兼修”形成对人民币汇率的强力支撑作用，有效遏制资本外流，保障我国金融安全与稳定；最后，在人民币汇率改革与资本市场开放过程中，尽管也需要注意各类外国因素对于人民币的影响，但更重要的是防范因本国因素变化而对人民币汇率造成冲击，尤其是在全球避险情绪上升时，更需要注重稳定国内金融与经济环境，避免因风险要素变动而损害人民币币值的稳定性。观点整理 郭瑞华
编辑 池依倩
责编 李锦璇、蒋旭
监制 朱霜霜
为了增进与粉丝们的互动，IMI财经观察建立了微信交流群，欢迎大家参与。
入群方法：加群主为微信好友（微信号：imi605）,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。
欢迎读者朋友多多留言与我们交流互动，留言可换奖品：每月累积留言点赞数最多的读者将得到我们寄送的最新研究成果一份。
关于我们
中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。研究所聘请了来自国内外科研院所、政府部门或金融机构的90余位著名专家学者担任顾问委员、学术委员和国际委员，80余位中青年专家担任研究员。
研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域，定期举办国际货币论坛、货币金融（青年）圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂、IMF经济展望报告发布会、金融科技公开课等高层次系列论坛或讲座，形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《宏观经济月度分析报告》等一大批具有重要理论和政策影响力的学术成果。
2018年，研究所荣获中国人民大学优秀院属研究机构奖，在182家参评机构中排名第一。在《智库大数据报告（2018）》中获评A等级，在参评的1065个中国智库中排名前5%。2019年，入选智库头条号指数（前50名），成为第一象限28家智库之一。
国际货币网：http://www.imi.ruc.edu.cn
微信号：IMI财经观察
（点击识别下方二维码关注我们）
理事单位申请、
学术研究和会议合作
联系方式:
010-62516755
imi@ruc.edu.cn
只分享最有价值的财经视点
We only share the most valuable financial insights.