离岸人民币汇率波动与潜在交易者关注行为

一绪论

1.1研究背景

1929年的大萧条、1997年东南亚金融危机和2008年的金融危机，一次又一次的混乱和恐慌促使着人们去探寻定价的奥秘。众所周知，价格的变化很大程度上源自供需双方势力的不对称性。有人的地方就会有市场和交易，从绝对的理性人假设到凯恩斯的“动物精神”再到阿罗不可能定理，随着对市场行为的深入研究人们终于意识到，个体间的偏好不同会注定使自由交易的市场难以保持最初价格持续静止。但如何精确、简明地从市场整体角度描述潜在交易者的情绪变化仍然是一个十分值得探讨的问题。

依照蒙代尔的三角理论，独立的货币政策、固定汇率、资本自由流动三者不可兼得，各地区经济体为了追求不同的经济目标，在汇率制度的安排上也有所不同。从固定盯住汇率制度，目标区汇率制度到有管理的浮动汇率制度再到完全浮动汇率制度，不同的制度下其相应的外汇市场波动也自然会有相应的特点。1996年12月，人民币开始被允许与外国货币进行贸易兑换。1998年亚洲金融风暴，人民币选择盯住美元的的固定盯住汇率制度。2005年，人民币汇率改革，参考由多种重要货币组成的货币篮子对人民币进行调节。2010年中国央行恢复管理人民币浮动区间，同年与香港金管局签订《香港人民币业务清算协议》，人民币首个离岸市场正式成立。人民币在岸和离岸两大类市场存在着理论上的瓦尔拉斯均衡关系。由于离岸市场上交易个体不受中国央行监管，市场参与者的行为也更具有独立性，其报价更能反应市场上的影响信息。随着人民币国际化进程的加快，资本流动的开放性日益提高，对离岸市场的价格与潜在交易者关注行为的研究对于在岸市场也具有一定的借鉴意义。因此本文选用港交所USD/CNH即期报价，来分析人民币汇率、利率和潜在交易者关注度之间的影响关系。

1.2研究方法和结构

当前人民币离岸汇率受市场短期交易行为影响想越来越大的背景下，本文从理论与实证两个层面研究交易者关注行为对CNH的影响。本文通过运用格兰杰因果检验，确定了汇率、潜在交易者关注度和利率之间存在相互影响这一事实。通过建立了多因素结构向量自回归模型、脉冲分析和方差分解，揭示了模型在汇率、潜在交易者关注度或利率因素的一标准差冲击下的模型内各因素的反应过程和相对影响贡献。利用结构向量自回归模型的预测功能对模型预测的效果进行检验。

本文的结构主要分为三部分，第一部分是香港离岸人民币汇率、中美两国利率和潜在交易者关注行为之间相互影响关系的理论分析，第二部分是根据理论分析中得到的结论进一步开展实证分析，第三部分为结论和总结。

二 理论研究

2.1短期市场中存在非对称交易势力

一般来讲，假设短期内境外潜在可供兑换的货币数量短期稳定。当市场上参与者增多时，人均可交易量会减少，市场会逐渐升温，价格上升；若参与者减少，则会导致市场上人均相对供给的增加，使价格下降造成市场短期萧条的局面。在人民币兑美元的汇率市场中，离岸人民币和美元这两种货币的人均供给量会同时受到以人民币为目标货币和以美元为目标货币两类不同潜在交易者的行为影响。当市场上所有参与者同时受到某外界信息的影响时，只要两类不同潜在交易者的交易势力不相等时，市场价格就会表现为单方向变动。当市场中仅有一方交易势力受外界信息影响而采取相应的买卖策略，同时对手方势力保持不变时，汇率市场均衡状态图2.1如下：

对于香港离岸人民币市场乃至世界金融市场的海外投资者来说，人民币作为新兴市场国家货币作为投资的渠道，美元因其良好的流动性和广泛的可接受性被作为避险货币。因此可认为离岸人民币市场上，潜在交易者对人民币和美元的交易目的短期内无太大变化。

2.2外汇定价包含历史信息和即期影响

本文以星期为周期数据，利空或者利好的消息完全可以在一个星期内传递给市场参与者，进而刺激市场均衡的变动，但此时的网络搜索上也应该会留下相应的痕迹（依据：USD/CNH报价与Google trends同期波动）。因此，不同国家资产风险溢价受即期风险影响。（具体证明见下文格兰杰因果检验部分）

考虑到未来的汇率波动会影响外国资产未来的升值或者贬值，在美元兑人民币汇率的网络潜在交易者关注行为可代表市场对此外汇市场风险的重视程度，可以将预期资产风险用市场对USDCNH（或USDCNY）关键词的谷歌搜索热度替代。

从以上理论出发，可认为离岸人民币对美元汇率收益、中美两国利率收益差和潜在交易者关注行为三因素之间存在相互影响关系。汇率虽然理论上存在预期的自我实现，但利率和谷歌搜索热度是否也存在预期与现实的转化则需要实证进一步验证。

三 实证研究

3.1变量选取与数据说明

本文选择以香港人民币离岸市场的USD\CNH报价、上海银行间同业拆借隔夜利率、纽约美国联邦储备银行的有效联邦基金利率和潜在交易者关注度为数据源。以星期日为一周的第一天，从2012年3月11日星期日开始记为第一周，到2017年3月4日为最后一天，共计261周选取数据。

上海银行间同业拆借（SHIBOR）隔夜利率是在剔除最高、最低各4家报价，对其余报价进行算术平均计算后得到并在次日于对外发布（单位为百分之一；数据来源：http://www.shibor.org/shibor/web/ DataService.jsp）。有效的联邦基金利率（EFFR）计算为“选定货币市场汇率报告”中报告的隔夜联邦基金交易的数量加权中位数。纽约联邦储备银行在上午9:00在纽约联储网站上发布上一个工作日的EFFR数据（单位为百分之一；数据来源： https://apps.newyorkfed.org/markets/autorates/fed-funds-search-page）。

谷歌趋势（Google Trends）是谷歌开发的一款应用服务，最初的目的在于方便广告商了解广告投放量，分析用户在google中搜索过的关键词。查询者限定时间范围内的最大潜在交易者关注度记为100，其他时间的潜在交易者关注度按比例缩放到100以内的数字。此网站还可以同时查询多个关键词的搜索热度，并分别给出相对量以方便比较。本文中网络搜索热度的数据即来源于此网站。同时查询关键词“USDCNY”、“USDCNH”，点击选项按钮，确定查询过去五年（2012-2017）的搜索记录，生成CSV格式的表格文件下载数据（数据来源：https://trends.google.com/trends/？hl=en）。

香港人民币离岸市场的USD\CNH报价为一单位美元兑换人民币的数量，计量单位为元，数据来自Wind资讯终端。

各样本时间序列均有一定的时间趋势过程。美国联邦基金有效利率（EFFR）随着两次加息表现出大幅阶段性上升，美元兑离岸人民币汇率（CNH）自第100周也呈现出持续上升的态势。对于VAR模型而言，并不一定要严格要求使用平稳序列，但变量越是趋于平稳，得到的模型越稳定。为了得到拟合较好的稳定模型，有必要对数据对数化处理。

3.2计量模型的设定

本文出现的向量自回归（Vector Autoregression）模型简单可以概括成：将系统内部所有内生变量（x，y，z，…）定义为一个n维向量Y，并尝试建立向量与其滞后项（如Yt 、Y（t-1） 、Y（t-2）…）关系的模型，简记为VAR（n）。

因此，三因素的VAR（n）模型 可缩写为VAR（n），表达式简化为：

Yt=Φ1 Y（t-1）+Φ2 Y（t-2）…+Φn Y（t-n）+C+εt

其中：Yt可为内生变量DELTALNCNH1、R 、GOOGLECNH（或GOOGLECNY）组成的3维列向量，Φ是π组成的（3×3）维自回归系数矩阵，C是由ct 组成的（3×1）维常数向量，εt为由ut组成的n维白噪音列向量。

当VAR（n）模型中出现内部元素相关时，可通过结构向量自回归（SVAR）模型继续挖掘数据中变量间的当期互动关系。当VAR模型建立后在其同期残差组成的ε_t向量中协方差存在明显不为零的情况时，通过施加外界约束来为原有VAR模型加入同期关系。在模型内部变量均为平稳序列的前提下，令et为新SAVR模型的残差，ut为原VAR模型的残差。新SVAR模型产生的残差向量e_t满足白噪声序列要求，矩阵et内元素协方差为零。

VAR模型的残差u_t与新SVAR模型产生的残差向量e_t满足如下关系：

Ae_t=Bu_t

e_=A^（-1）∙Bu_t=Mu_t

MYt=MΦ1 Y（t-1）+MΦ2 Y（t-2） +MΦ3 Y（t-3） +MΦ4 Y（t-4）+Mc+Mεt

将MΦn记为Dn。得到SVAR模型表达式：

MYt=D1 Y（t-1）+D2 Y（t-2）…+Dn Y（t-n）+c+et

从理论上讲，SVAR模型已经充分的反应每期向量Y之间的变化规律，可以利用往期数据对未来向量做出预测。

3.2.1描述统计

统计中美两国利率收益差（R）潜在交易者关注度（GOOGLECNH1）和汇率收益（DELTALNCNH1）均值、方差和极值。可明显观察到长期下各变量波动大于短期。

从变量平稳性检验可以看到，各个变量均为平稳序列，因此将R、GOOGLECNY和DELTALNCNH用于VAR模型的构建。

从上图3.1中看出，这两个谷歌搜索指数在外界突发情况下的最大波动存在明显差异，在进行数据提取时谷歌网站给出的全球地域搜索比例显示有超过一半的潜在交易者关注度源自美国，其余为新加坡、香港和俄罗斯等地区，关键词“USDCNY”的潜在交易者关注度总体高于“USDCNH”。对两变量进行格兰杰因果检验的结果显示，网络潜在交易者关注度对于在岸人民币概率和离岸人民币概率的优先关注程度存在明显差异。滞后一阶的格兰杰因果检验表明，在统计意义上，有95％的置信水平，可以认为离岸人民币的潜在交易者关注度的变化会先于在岸人民币的假设成立。

同时，对离岸人民币和在岸人民币汇率市场报价同样进行一期滞后格兰杰因果检验，得到在99.99％的置信水平上认为离岸人民币汇率报价变动会Granger引发在岸人民币汇率报价变动。与刚才网络上对两类汇率市场的关注顺序相同。也从侧面印证了之前做出的网络关注度可以代替市场预期风险的假设。

3.2VAR模型设定

各类准则给出的推荐滞后数并不相同，但可以分为滞后数为三类。分别制作滞后数为1、3和5的VAR模型的相关性检验图像（略），发现当滞后阶数调整为5时，除了相对波动较大的利率因素，其他平稳变量均消除了自相关。各变量间的相关性得到了明显的改善。虽然可以认为在无限制的增加模型整体的滞后数可以消除利率存在的自相关现象。但滞后期数越大，模型中需要估计的值就越多，在总样本量固定的情况下得到的模型准确度越低。所以应尽可能的减少非必要的滞后项，应选5做为此VAR模型的滞后阶数。VAR（5）从Eviews显示的结果可以看出此模型的特征根均在单位内，说明序列组合后是稳定的，模型建立良好。

从VAR（5）的模型拟合结果来看，各变量自身和变量间系数的t统计量显著（大于1.6，样本量100，单侧0.05显著性水平），总体F统计量显著（统计量数值远大于2.7；样本量大于100的情况下，0.05显著性水平），认为该模型内部应存在相互联系的线性关系，可以进一步研究。

3.3因果关系分析

格兰杰因果关系检验的核心思想在于观测后增加的变量能否提升原有模型的解释能力，若模型整体在新变量加入后对因变量解释能力增强，则认为新增变量可格兰杰引发原有因变量。

显然因变量为R的结果中的概率值均大于0.6。不能否定新加变量能增加解释能力的原假设。由潜在交易者关注度（GOOGLECNH）、离岸人名币汇率收益率（DELTALNCNH1）组成的变量不能很好的解释两国利率收益差（R）的变动。

在由两国利率收益差（R）和离岸人名币汇率收益率（DELTALNCNH1）组成的解释变量组中可以看出：解释变量整体加入后，有99％以上的把握认为离岸人民币汇率收益率能Granger引发潜在交易者关注度的波动。有70％以上的把握认为利率收益差可以Granger引发潜在交易者关注度的波动

在由两国利率收益差（R）和潜在交易者关注度（GOOGLECNH1）组成的解释变量组中可以看出：解释变量整体加入后，有99％以上的把握认为离岸人民币汇率收益率Granger引发离岸人名币汇率收益率的波动（DELTALNCNH1）。

综上结果可以看出，潜在交易者关注度和离岸人民币汇率收益率之间影响关系最为密切，上表中检验的概率结果均在99％以上。同时，在加入两国利率收益差作为解释变量后，确定有Granger影响的概率会有所下降。而且潜在交易者关注度在含有利率收益差因素后，其能单独解释的概率有70％，综合解释水平有99％以上的把握确定。所以应接受利率收益差作为解释变量之一，用来增加模型的预测精度。从统计上来讲，有大概率可以确定的是：利率收益差可以解释潜在交易者关注度的变化，潜在交易者关注度和汇率收益可以相互解释。需要注意的是，虽然在格兰杰因果检验中利率收益差不能被潜在交易者关注度和离岸人民币汇率收益率很好的解释，但这并不意味着此模型对利率收益差的拟合程度低。原因在于：还可能存在：有利率收益差的单因素自回归模型就能很好的解释其自身的变化规律，则不需要加入外界低显著水平的解释变量的情况。

3.4 SVAR模型设定

在VAR模型建立之后，可利用该模型的残差制作残差的相关系数矩阵和方差-协方差矩阵，查看模型内元素是否存在同期互动关系。

从格兰杰因果检验的结果可以得到利率收益差可以解释潜在交易者关注度的变化，潜在交易者关注度和汇率收益可以相互解释。

对VAR模型施加的当期限制可以分为短期和长期两种类型。考虑到无套利定价的假设是建立在无限次短期迅速交易基础上的，符合短期界定的外界冲击对整体系统的会的作用会越来越小，直至在可预期时间内影响消失的特征；结合本文实际分析因素：中美两国利率收益差，离岸人民币汇率收益，谷歌搜索指数。在可预期的中美两国经济形势不会发生太大改变的前提下，利率和潜在交易者关注度很难会对汇率产生持续性影响。因此对于本文构建的VAR模型应采用短期调整。

在设置短期约束：

{（e1 = C（1）×u1@e2 = C（2）×e1 + C（3）×u2@e3 = C（4）×e1 + C（5）×e2 + C（6）×u3）┤

其中需满足前提：

E〖[uu〗^']=I

其中e1是SVAR模型中R的残差；e2是SVAR模型中GOOGLECNH1的残差；e3是SVAR模型中DELTALNCNH1的残差；其中u1是VAR模型中R的残差；u2是VAR模型中GOOGLNCNH1的残差；u3是VAR模型中DELTALNCNH1的残差。得到系数结果如下：

4.1 脉冲响应分析

从此VAR模型的残差方差-协方差矩阵和可以看出，矩阵中的系数存在明显相关的情况。可以使用乔莱斯基（Cholesky）矩阵分解法从当期残差中分解出模型内各变量当期的影响关系。在乔莱斯基分解中，内生变量的排序会影响想脉冲反应的结果。因为对于乔莱斯基分解方法而言，排在首要位置的变量只有自己的冲击会产生同期影响，排在其后的变量只能对前一变量产生滞后的影响。

在进行脉冲分析时本文采用了广义脉冲响应分析。相比于乔莱斯基分解法而言最大的优点在于避免了人为规定变量间影响传递的先后顺序，所以建立广义脉冲分析模型得到结果如下：

在一单位标准差利率收益因素（R，以下简称利率）的外部冲击下：利率存在自身滞后影响，从第一期到第二期呈上升趋势。在第二期达到最大值后，趋势变为迅速下降，从第五期达到标准差的一般，且开始持续缓慢地减小，且递减速度随着时间的增加而减少。潜在交易者关注（GOOGLECNH1，以下简称关注行为）和汇率收益（DELTALNCNH1）在利率影响下，均会呈现出整体效果递减的负向影响，双“V形”。均在第二个v形开始呈现出效果递减的负向影响。

在一单位标准差关注行为的外部冲击影响下：关注行为存在自身滞后影响，在第一期达到最大值，整体显示出“L”形的递减趋势（之后除了第5期数据外，整体呈现递减趋势）。利率受关注行为的影响，出现负向偏移，数据维持在-0.01到-0.02之间的宽“U”形。汇率收益受关注行为的影响，在呈现出较大波动，在前5期保持为正值，最大值出现在第二期为0.00183，后才开始出现“L”形的递减趋势，在第五期小于零并趋近于0。

在一单位标准差汇率收益因素的外界冲击下：汇率收益存在自身滞后影响，呈现出存在逆波峰（第五期数据为波峰顶点）的“L”形，最终回归至0附近。关注行为在汇率收益的外界冲击后，一期下降，两期上涨的形式波动，但数量逐渐递减，单向趋向于0。利率在汇率收益外部冲击影响后的最大波动远小于利率因素的样本均值和方差，因此可认为利率受汇率收益的影响较小。

综上所述可得到三个结论：一是在脉冲分析中，此VAR（5）模型外界冲击的效果总体呈现出“L”形，也就是最终外界冲击会随着时间的延长影响作用逐渐减小，可认为变量间的跨期短期约束关系是稳定的。二是汇率收益和潜在交易者关注二者在因对方产生的影响作用递减趋势中，均存在一次明显的逆趋势波动，且该逆势波峰数值与其自身的第二期数据大致相同。三是此VAR（5）模型内三个因素相互影响关系存在不对等的情况。

将广义脉冲响应分析的结果与乔莱斯基脉冲响应分析结果做对比，发现两者的结果相似（见附录2），可认为结构自回归模型中分解对变量的排序正确（R、GOOGELCMH、DELTALNCNH）。且利率收益受汇率因素的影响较小，可认为SVAR模型在理论上符合逻辑。

4.2 方差分解

其中shock1为利率因素的一标准差某变量的外部冲击，shock2为潜在交易者关注度一标准差的外部冲击，shock3为汇率收益一标准差的外部冲击。VAR（5）模型中当期影响关系处理采用已建立的SVAR模型的短期约束。结果如下图所示：

从利率收益差的方差分解结果来看，利率自身的影响比例随着时间增加而降低，汇率因素和潜在交易者关注度的比重越来越高但总体影响效果在前20期也未超过10％，可认为利率受其汇率收益的影响效果不大。受潜在交易者关注度的影响有限。

谷歌搜索指数在第一期的方差近乎完全来自于自身因素，可认为潜在交易者关注度在第一期不受模型内其他因素的影响（脉冲分析的当期变量分解理论上认为利率收益差可以影响到潜在交易者关注度），但从第四期开始，潜在交易者关注度的方差中，利率收益差和汇率收益的比重会逐渐扩大（第11期各占近10％）。可认为从第二期开始，潜在交易者关注度会受到模型内其他因素的跨期影响。

从汇率收益的方差分解中可以看出，在第二期以后，潜在交易者关注度在汇率收益方差中所占比重稳定在26％，利率收益差在汇率收益的方差中所产比例明显小于潜在交易者关注度，呈现持续增加的趋势，在第9期达到2％，第20期达到2.8％。

利率、潜在交易者关注度和汇率收益在第2期到第20期对利率方差的平均贡献比例为96.28：3.50：0.22；对潜在交易者关注度方差平均贡献比例为5.96：88.48：5.56；对汇率收益方差平均贡献比例为1.99 ：26.11：71.91。即便忽略1期和2期中SVAR模型短期约束对方差分解的人工影响，在后5期认可明显看到利率因素的波动大都源自各本身的前期冲击。利率因素和汇率收益对谷歌搜索指数的贡献有明显且相近影响，在第二十期合计达到了近20％。因为总体来看，平稳SVAR模型内部所有变量均对汇率收益的波动均有明显的影响，可认为存在受市场风险影响的利率平价等式制约。潜在交易者关注度对汇率的影响大于利率因素对汇率的影响。

4.3模型的样本预测与效果检验

对于本文模型的预测检验来讲，可从统计量评测和市场评测两种角度入手。从上文中脉冲分析和方差分析中可以看出，通过模型内部相互关联和制约关系，得到往期数据的累计影响，进而可以得到未来的大致趋势。但现实生活中，当期的数据除了会受到往期累计的影响，也会收到当期不确定的外界冲击，尤其是从脉冲响应分析中可以看到，首期潜在交易者关注度对汇率收益的影响约是其自身影响的1/6。因为在t期预测未来数据时，t+1期谷歌搜素量与汇率收益同为待预测量，所以此时随机的外界冲击会使统计量的检测结果存在偶然影响。下文中常用预测统计量检验应用于模型之间的比较，不单独作为判断模型是否良拟合的依据。

4.3.1 常用预测统计量检验

在建立结构向量自回归模型后，将SVAR1（R、GOOGLECNH1、DELTALNCNH1）和SVAR2（R、GOOGLECNY1、DELTALNCNH1）用15-260周（长期）和231-260周（短期）数据分别进行预测检验。

由于外及突发波动等不确定性的影响频繁，统计量显示的拟合效果并不是十分理想。在模型中谷歌搜索具体数据的选取上，两模型在变量制约效果上并无太大差异。从30天预测结果来看GOOGLECNH作为变量加入VAR模型对潜在交易者关注度（GOOGLECNH） 预测效果较好，用GOOGLECNY作为变量的VAR模型对汇率收益预测（DELTALNCNH1）效果较好，但从统计量结果的总体来看两模型长期拟合效果差异不大。

4.3.2 实际收益预测正确率检验

因为实际投资中最后的收益率是按照市场报价计算的而非模型的预测值，所以汇率收益的预测主要体现在正负数值的判断上。当模型构建良好时，SVAR模型具有明显的盈利功能。将实际提取样本中的第230周到第261周作为检验样本，对已有的SVAR模型预测产生的模拟结果进行盈利检验。假设市场上没有交易摩擦，而且允许反向交易。操作如下：

通过计算出此SVAR模型在第15周到260周的预测值DELTALNCNH1（实际值在差分后，261周并入第260周）分为测试分为15-260周和231-260周两段。（一年约有52周）

用Excel中的IF函数标记出模型预测值与实际值正负相同的样本，同时输出当期实际值。

将筛选出的样本取绝对值后求和即为试验期收益率r1；并将预测正确的天数加总后除以总天数求得总体预测正确率。

将实际值进行加总，得到当期市场基础收益r2（短期为3.2％，长期为7.6％）。

将r1 与r2对比。

若r2>=r1则可直接判定模型无效。

若r2<=r1则认为模型效用r_1减去资金借入成本后得到此模型的实际收益。

增长率（r）与对数化收益率（m）公式可以表示为：

m=ln(p2)-ln(p1)⇔ln(p2/p1) =m⇔m=p2/p1 -1=e^r-1

结果认为模型有效，得到结果如表4.3。

由USD/CNH报价走势图可以看出，231-260周内报价趋势平稳，波动较小，年化收益平均为12.78％；15-261周内存在大幅波动区段，平均年化收益10.504％。以上收益率均高于一年期银行贷款的成本，因此认为套利空间存在。

由上可知：

1、SVAR_1和SVAR_2的预测率在前期存在差异但后期逐渐趋同，标志着潜在交易者对于离岸和在岸人民币的潜在交易者的预期逐渐趋同。说明在本文样本期内，市场逐渐认同人民币汇率的市场化。

2、SVAR_1前期大于SVAR_2表明在178周到180周附近达到趋同，对应日期为2015年7月27日到同年8月14日，涵盖8·11 汇改政策出台日。比较汇改前后两模型预测差异，可以认为此次汇改对在人民币汇率市场的国际化方面较为成功。汇改前期，市场就已经逐渐开始形成USD/CNH和USD/CNY汇率信息（包括但不限于报价和政策市场等信息）的无差别对待（SVAR_1和SVAR_1预测准确率的趋同的区段），并且在汇改当周产生焦点。可认为此时汇改，促进了潜在交易者对人民币汇率市场化预期的形成，是符合市场规律的。

3、SVAR模型对于汇率的短期预测使稳定，与方差分析中DELTALNCNH1的方差比例稳定的结果相符合。进一步佐证模型内的影响关系存在且稳定的事实。

4、容易观察到，图4.5中存在3次明显的准确率下降阶段，具体特征表现为在人民币贬值趋势结束时两模型预测正确率无差异下跌。同时在第60-70期人民币升值区间内的预测准确率提升，说明本文模型适用于人民币汇率的贬值区间和升值区间，但对20个星期以上的贬值趋势到升值趋势的拐点时的预测能力较差，这一点与假设中汇率报价受当期风险影响的分析相符。

五 结论

本文从理论层面提出了汇率市场报价的原因和影响机制，具体包括三部分：1、市场中存在不对称的交易势力2、汇率报价变化中包含了预期自我实现的现象3、外汇资产价格同时受当期风险和历史风险的影响。在实证层面，格兰杰因果检验确定了网络交易者关注、利率收益差与汇率收益之间的存在相互影响的关系。平稳性检验证明了模型内三因素存在收敛、稳定的均衡关系。在脉冲分析中，采用广义脉冲分析法、乔列斯基分解法和结构分解法的分解的结果，相近印证了结构向量自回归模型中利率差、潜在交易者关注度和汇率收益的变量间影响效果排序的正确性和可行性。从方差分解的结论中可以认为，潜在交易者关注度对汇率收益的预测方差贡献度从第二期开始就一直稳定在25％左右，确定了潜在交易者关注度对汇率收益的持续显著的影响关系。利率收益差对汇率收益预测方差的贡献度较小而对潜在交易者关注度的方差贡献较大。

通过实证研究，印证了本文理论分析中提到的汇率市场价格变动三个因素。研究结论可概括为：1、利率平价理论对USDCNH汇率市场的制约作用更多是通过汇率市场自身价格波动因素对市场参与者行为影响来实现的。2、当潜在交易者关注行为增加时，通常伴随着抛售人民币兑换成美元一方势力的增加。3、汇率市场报价变动同时受当期风险和历史风险产生的预期影响，依据往期数据判断未来一期汇率的涨跌，可得到60％的准确率。4、在2015年8月11日出台的汇率市场化改革，促进了潜在交易者对人民币汇率市场化预期的形成，是符合市场规律的。

现阶段，人民币作为新兴市场国家货币作为投资的渠道，美元因其良好的流动性和广泛的可接受性被作为避险货币。在香港离岸人民币对美元汇率市场上，所有潜在参与者在受到某单一外界信息的影响时并采取相应的关注行动（对关键词USDCNH进行搜索）时，标志着以美元为兑换目标的市场势力要强于反向兑换势力。离岸人民币表现为在同期即开始表现为持续贬值，随后一周内在岸人民币价格也会发生同向变化。

当然，此模型还有进一步发展的余地，首先是采样周期又有进一步缩短的空间，一般金融市场的高频交易周期通常是以毫秒为计算单位的。单位时间的市场关注度，比如券商或炒股软件接口的使用情况（app、电脑客户端等等）都可以象征市场参与者在最终参与价格调整行动之前的信号。若能适当降低样本采样周期间隔，再将大趋势的上涨和下跌区段影响因素加入到模型内部的考虑，会得到更为具体和精准的因素互动关系。其二，从模型预测的实验结果可以看出，短期与长期预测正确率在各模型内均存在显著不同（见附录），长期来看，相同的模型预测准确率会有所降低。考虑到本文预测方法（用往期数据以相同的模型计算未来一期数据用于预测），结果差异可认为是长期内存在不同于短期的异常数据波动造成的。深层次的原因可以为：随着时间的发展，互联网的发展使信息传播速度更为顺畅；长期中存在市场外部的不可抗力的影响（央行对在岸人民币的汇率市场突然大幅调控、人民币国际化导致在岸市场的管制的逐渐放宽），这些原因的影响程度均有待于进一步的研究。

参考文献从略

更多精彩资讯，请来金融界网站(www.jrj.com.cn)