2.3 計量模型預測與分析
3.1.2 MAE 預測標準之實證結果
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
著地表示期貨和隨機漫步預測能力的差異。 此外,在具有顯著性的項目中, FURWratio 都 呈現小於1且 DM 檢定量為負的現象;此結論更支持了在特定的外匯市場中, 期貨價格所 帶來的潛在訊息可能足以協助更加幫助地預測未來某特定時間點該貨幣的價值。 然而, 顯 著性的分佈亦沒有呈現距離到期日越短的預測期間,期貨價格相較於現貨可以帶來更顯著 預測能力的現象。 整體而言, 在某些外匯市場中,期貨的預測能力優於隨機漫步,但和預測 期間的長度並無太大關聯。
此外, 本文亦發現新興國家的貨幣(如墨西哥披索 MXN、印度盧比 IRD、巴西真正
BRL), DM 檢定量雖然僅有在兩個月期預測期間的印度盧比及巴西真正出現顯著, 然而
觀察其一個月期的DM 檢定量之值, 亦相當接近10% 顯著水準的門檻(其值為1.645);亦 即, 相較於已開發國家,新興市場在統計上更普遍地支持期貨預測能力優於隨機漫步;相比 現貨本身, 新興市場的外匯期貨更加精準地預測未來的現貨價格, 這結論與 Frankel and Poonawala (2004)的發現有相似之處。
3.1.2 MAE 預測標準之實證結果
相較於表5,在表6中, MAE 預測標準和前者一致的是FURWratio 亦沒有呈現一個 隨預測期間增長而增加的現象。 同時, DM檢定量的值亦無隨預測期間增長而變大的規律, 顯示出MAE預測標準亦支持,期貨和隨機漫步的關係不受預測期間長短而有顯著受到影 響的關係。
在預測能力的方面上, 表6中並沒有呈現如 MSE 預測標準一樣, 明顯地顯示日圓和 瑞士法朗特別的和其他國家結論不同; 大部分國家的 FURWratio 皆低於1且 DM 檢定 量呈現負值。 然而, 整體而言,跟 MSE預測準則相比, MAE 預測準則結果顯示每個國家 在不同預測期間皆出現較多FURWratio 大於1和正值的 DM 值。
從統計顯著的角度觀察, 在表6中, 一個月期的澳幣 (AUD)、加幣 (CAD)、墨西哥披
索 (MXN) 以及兩個月期的印度盧比 (IRD) 具有統計顯著性。 與 MSE 準則相比, 僅有
一個月期的加幣和兩個月期的印度盧比相同。 然而, 相同的則是, 在具有顯著性的項目中,
19
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
FURWratio 都呈現小於1且 DM 值為負的現象, 顯示期貨預測能力優於隨機漫步, 亦顯
示支持期貨價格所帶來的潛在訊息足以協助更佳地預測未來某特定時間點該貨幣的價值。
在先進國家與新興國家的差異比較中,雖然僅有兩個月期預測期間的印度盧比具有顯 著性, 然而在兩個月預測期間的巴西真正、一個月期的墨西哥披索、印度盧比、巴西真正和 一週期的印度盧比、巴西真正皆具有很高的顯著性。 相較於先進國家, 新興市場的外匯期 貨具有較優秀的預測能力, 此結論於本文實證結果中再度支持 Frankel and Poonawala
(2004)的研究結果,即新興市場相較於已開發市場, 新興市場的期貨價格更能精準地反映
未來特定時間的現貨價格。
20
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表
5:MSE預 測 比 較結 果 。
AweekaheadAmonthaheadTwomonthsaheadThreemonthsahead CurrencyFURWratioDMFURWratioDMFURWratioDMFURWratioDM JPY0.99270.51791.00870.80530.99670.07530.9938-0.0733 EUR0.9798-1.25861.00650.41370.9838-1.10590.9955-0.7774 GBP0.9631-2.1965**1.0122-0.50711.00170.77460.9915-0.4953 AUD0.9210-0.60140.9251-1.15540.9970-0.28510.9832-0.7270 CAD0.94730.82490.9847-1.7975*0.9811-1.00430.9964-0.7053 CHF0.9872-0.99011.02220.96211.0024-0.13131.00730.1761 MXN0.8811-0.30680.9584-1.56010.9905-0.80431.03390.7969 IRD0.8971-1.18500.9629-1.36290.9153-1.7679*0.9605-1.3694 BRL0.8894-0.64380.9667-1.54130.9609-2.1816**0.9890-0.2249 ZAR0.9982-1.05920.9108-1.06630.9598-0.79701.0437-0.4603 註 首欄為各國對應的貨幣期貨,FURWratio為在給定預測區間下,期貨預測誤差加總除以隨機漫步誤差加總,若FUR- Wratio值小於1,表示期貨預測能力優於隨機漫步;DM檢定量的分子項為兩預測誤差對應的損失之相減後的餘值,因為 本文以期貨誤差減隨機漫步誤差,故當期貨預測能力優於現貨預測能力時(期貨預測誤差低於隨機漫步預測誤差),DM檢 定量呈負值,反之則呈正值。其中,*、**、***分別為90%、95%、99%顯著水準。21
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表
6:MAE預 測 比 較結 果 。
AweekaheadAmonthaheadTwomonthsaheadThreemonthsahead CurrencyFURWratioDMFURWratioDMFURWratioDMFURWratioDM JPY1.01300.89021.00320.20140.9965-0.44450.9953-0.4917 EUR1.0100-1.11721.00410.39550.9819-1.47550.9979-0.3905 GBP0.9781-1.62501.00540.39521.00240.44900.9972-0.3615 AUD0.9631-0.87900.9565-1.6632*1.02150.56540.9853-0.4279 CAD1.00471.15280.9821-2.6591***0.9904-0.81690.9960-0.8457 CHF0.9972-0.60861.00670.65850.9972-0.06161.00260.1943 MXN0.96950.08580.9615-1.9498*1.00590.04941.01150.5252 IRD0.9163-1.51130.9515-1.25950.9561-1.9393*0.9879-0.4794 BRL0.9220-1.24940.9650-1.21050.9716-1.54380.00430.0420 ZAR1.0002-0.83560.9940-0.27650.9750-0.57820.9954-0.3301 註 首欄為各國對應的貨幣期貨,FURWratio為在給定預測區間下,期貨預測誤差加總除以隨機漫步誤差加總,若FUR- Wratio值小於1,表示期貨預測能力優於隨機漫步;DM檢定量的分子項為兩預測誤差對應的損失之相減後的餘值, 因為本文以期貨誤差減隨機漫步誤差,故當期貨預測能力優於現貨預測能力時(期貨預測誤差低於隨機漫步預測誤差), DM檢定量呈負值,反之則呈正值。其中,*、**、***分別為90%、95%、99%顯著水準。22
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4 結論
本文研究目的主要在於探討外匯期貨是否相較於現貨外匯含有更多的市場對於未來 現貨價格的預期資訊, 以期貨價格作為預測值和隨機漫步模型進行預測能力比較。 若以期 貨價格作為預測提供了更好的預測能力則表示外匯市場並非完全效率市場, 因此可透過 不同的資訊藉由期貨價格進行套利。 反之, 若期貨預測值並未提供比隨機漫步模型更好的 預測能力, 則隱含外匯期貨相較於外匯現貨市場, 可能為有效率市場。 參照 Frankel and Poonawala (2004), 本文嘗試採用作者建構離散時間序列的方式, 進行外匯預測檢定, 同 時參考作者的實證結果, 亦將外匯市場區分為已開發國家和新興開發國家來更詳細的探 討, 外匯市場是否具有結構性差異。
實證結果列出三點主要發現。 第一, 實證結果顯示不論是實證表格中的 FURWratio 亦或是 DM 值, 整體而言, 較為支持期貨的預測能力優於隨機漫步, 特別是在 DM 檢定 量說明期貨和隨機漫步具有顯著性的項目下, 皆支持個別國家的外匯期貨預測誤差低於隨 機漫步。 第二, 本文實證模型顯示,隨機漫步與期貨的預測結果比較, 不受期貨預測期間的 影響,亦即, 距離到期日較短的期貨價格, 相較於同時間點的現貨價格, 不具有較距離到期 日長的期貨價格更優秀的預測能力。 第三, 在和隨機漫步的比較之下, 有別於已開發國家 的外匯市場,新興市場(開發中國家)的外匯期貨預測能力較為明顯地優於隨機漫步,此發 現和 Frankel and Poonawala (2004) 具有相似的結論;亦即, 相較於已開發國家, 開發中 國家的期貨較為準確地預測了現貨市場於特定時間點的價格。
然而, 本文亦認為後續文獻可採用更大的預測期間以獲得更多的樣本, 因為受限於期 貨的三個月週期,一年僅有四個基準點的情況下,為求大樣本使得DM檢定量更趨近於標 準常態分配,擴大樣本空間為其必要之一。 此外,在預測期間上, Jabbour (1994)顯示,距 離到期日較短期間的期貨, 應該具有更為優秀的預測能力, 然而本文運用其與同時間距離 的現貨價格比較之下,顯示出,在相同預測期間下,期貨並不會給予更多更準確的訊息, 此 結論與該文獻不一致,後續研究可以著墨更多。
23
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
Diebold, F., Mariano, R., 1995, Comparing predictive accuracy. Journal of Business and Economic Statistics, 12, 63 - 253.
Engel, C., 1996, The forward discount anomaly and the risk premium: A survey of recent evidence. Journal of Empirical Finance, 3, 123 -192.
Fama, E. F., 1984, Forward and spot exchange rates. Journal of Monetary Eco-nomics, 14, 319 - 338.
Fama, E. F., French, K. R., 1997, Multifactor explanations of asset pricing. Journal of Finance, 51, 55 - 84.
Froot, A. K., Frankel, J. A., 1989, Forward discount bias: Is it an exchange risk premium? The Quarterly Journal of Economics, 104, 139 - 161.
Frankel, J., Poonawala, J., 2010, The forward market in emerging currencies: Less biased than in major currencies. Journal of International Money and Finance, 29, 585 - 598.
Hansen, L. P., Robert J. H., 1980, Forward exchange rates as optimal predictors of future spot rates: An econometric analysis. Journal of Political Economy, 88, 829 - 853.
Inci, A. C., Lu, B., 2007, Currency futures-spot basis and risk premium. Journal of International Financial Markets, Institutions and Money, 17, 180 - 197.
Jabbour, G. M., 1994, Prediction of future currency exchange rates from current currency futures prices: The case of GM and JY. The Journal of Futures Markets, 14, 25 - 36.
Kalev, P. S., Duong, H. N., 2008, A test of the Samuelson hypothesis using realized range. Journal of Futures Markets, 28, 680 - 696.
24
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Martin, I., Kremens, K, 2017, The quanto theory of exchange rates. Working Paper.
Peresetsky, A., Roon, F. de, 1997, Risk premia in the Ruble/Dollar futures market.
The Journal of Futures Market, 17, 191 - 214.
Samuelson, P. A., 1965, Proof that properly anticipated prices fluctuate randomly.
Industrial Management Review, 6, 41 - 49.
25
‧
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
‧
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
‧
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
‧
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1 2017/9/1
Fur(5)
2009/9/1 2009/12/1 2010/3/1 2010/6/1 2010/9/1 2010/12/1 2011/3/1 2011/6/1 2011/9/1 2011/12/1 2012/3/1 2012/6/1 2012/9/1 2012/12/1 2013/3/1 2013/6/1 2013/9/1 2013/12/1 2014/3/1 2014/6/1 2014/9/1 2014/12/1 2015/3/1 2015/6/1 2015/9/1 2015/12/1 2016/3/1 2016/6/1 2016/9/1 2016/12/1 2017/3/1 2017/6/1
Fur(5)