• 沒有找到結果。

通貨替代的非線性研究-東亞六國的實證分析

N/A
N/A
Protected

Academic year: 2021

Share "通貨替代的非線性研究-東亞六國的實證分析"

Copied!
68
0
0

加載中.... (立即查看全文)

全文

(1)國立高雄大學經濟管理研究所 碩士論文. 通貨替代的非線性研究-東亞六國的實證分析. Non-Linear Investigation of Currency Substitution: an Empirical Study of Six East Asian Countries. 研究生:謝宗穎. 撰. 指導教授:翁銘章 博士. 中華民國九十七年六月.

(2) 謝. 誌. 轉眼間,即將揮別兩年的研究生活,回憶起過去的日子,不禁感傷,這兩年來獲 得的太多,也失去太多了。特別感謝指導教授翁銘章老師,在課業上與生活上的指導與 包容。另外,也感謝師母與三個可愛天真活潑的小孩,尤其是天資聰穎的凱凌,使學生 於苦悶的研究生活中,別有一方趣味。在學生擔任 TA 期間,感謝翁銘章老師所給予的 關懷及照顧,而於擔任 RA 期間,感謝高醫醫社系嘉芸分擔了部分 RA 的工作量。感謝 口試委員李慶男老師與李揚老師於口試時不吝賜教,感謝指導教授翁銘章老師於口試時 所提出的建議與指導,使本篇論文更加嚴謹與完善。 感謝應用經濟系的翁銘章老師、耿紹勛老師、佘志民老師、許聖章老師、經營管 理研究所的李揚老師、鄭育仁老師與金融管理學系的張志向老師,於平日課堂上的悉心 指導,令學生接觸到數個不同領域的知識與思維。另外,感謝高雄第一科技大學風管系 陳和全老師,於研討會期間的悉心指導。 感謝同門的信宏、強哥、嘉玲姐、筱雯姐、準同門的怡樺、同舟學長、國賓學長、 蔡大哥,在研究過程的協助與鼓勵。感謝經濟管理研究所經濟組的準博士生泰良、魔方 達人舜昱、成大研究生一中、好性子的恩豪、高個苔琳、雅婷等一起在研究室挑燈夜戰、 同甘共苦的同學。感謝經營管理研究所管理組的詣宸、志嘉、德耀、冠程、明選、小梅、 盈儀、雅芬、靜宜、佳穎、梁大哥等同學的關心與照顧。 感謝父母親的支持與鼓勵,使我無後顧之憂得以致力於學業,若沒有父母親的栽 培,就不會有此篇論文的誕生。父母親二十多年來無怨無悔的關心與照顧,並非三言兩 語所能概括,謹將此篇論文獻給我最親愛的父母親! 猶記得當初研一在決定指導老師之際,翁銘章老師說過的一句話, 「務必記得,不 要因為這件事而傷了大家的友誼,不值得,塞翁失馬,焉知非福,不是嗎?」即將揮別 兩年研究生活的今天,對於這句話的感觸相當深刻,特別是「塞翁失馬,焉知非福」八 個字。最後,僅將此句話獻給經濟組的信宏、一中與怡樺等三位好友。 很清楚地知道我們並不適合 再走下去不會有結果 狠下心,分離 回憶起有你的日子 我突然感傷 兩年的研究生活,就讓我們在此道別吧!. 高大經濟管理研究所末代研究生 謝宗穎 謹誌 戊子年夏至.

(3) 通貨替代的非線性研究-東亞六國的實證分析 指導教授:翁銘章. 博士. 國立高雄大學應用經濟系. 學生:謝宗穎 國立高雄大學經濟管理研究所. 摘要. 本文依據資產組合平衡模型,在考量通貨替代現象下,將外國利率與實質匯率兩 個變數加入傳統的貨幣需求函數,而建構出包含本國實質所得、本國利率、外國利率、 實質匯率的貨幣需求函數,探討在開放經濟體系下,東亞六國 (印尼、韓國、菲律賓、 新加坡、泰國、台灣) 對歐元、日圓、美元等三種貨幣是否存在通貨替代現象,以及通 貨替代現象對東亞六國貨幣需求的影響。本文應用 Johansen (1991) 共整合方法分析東 亞六國 1999 年 1 月至 2007 年 10 月的資料,並應用 Granger and Teräsvirta (1993) 所提 出的非線性平滑轉換迴歸 (smooth transition regression, STR) 模型來探討通貨替代的非 線性關係,並利用誤差均方根 (root mean square error, RMSE) 比較線性模型與非線性模 型的配適度。資料來源為 Datastream 資料庫。 實證結果發現,只有韓圜對歐元、新加坡元對歐元存在通貨替代現象。部分實證 結果並未支撐經濟理論,可能的原因是本文在貨幣市場達成均衡的假設下,以貨幣供給 額作為取代貨幣需求的變數,然而事實上,貨幣市場並未達成均衡,因而造成實證結果 與經濟理論不一致之情形。. 關鍵字:通貨替代、平滑轉換迴歸、非線性模型.

(4) Non-Linear Investigation of Currency Substitution: an Empirical Study of Six East Asian Countries Advisor: Dr. Ming-Jang Weng Department of Applied Economics National University of Kaohsiung Student: Tsung-Yin Hsieh Institute of Economics and Management National University of Kaohsiung. ABSTRACT According to the portfolio balance model, we modify the money demand function by including foreign interest rate, and real exchange rate. To take account of currency substitution, the demand for money includes income, interest rate, foreign interest rate, and real exchange rate. We apply Johansen test for cointegration and the smooth transition regression (STR) model by Granger and Teräsvirta (1993) to reinvestigate the effect of nonlinear combination of currency substitution for six East Asian Countries. And we make comparision of the in-sample fitness between linear and nonlinear STR model. The data span the period January 1999 to October 2007 using monthly data form Datastream. We find that the EU dollars are held significantly by domestic residents with the domestic currency in Korea and Singapore. The partial empirical results are contradicted to the theory of money demand. The possible reason is that we assume the balance for money market, and take the substitution money demand by the money supply volume. However, money market does not reach a balance.. Keywords: Currency Substitution、Smooth Transition Regression、Non-Linear Model.

(5) 目. 錄. 表目錄....................................................................................................................................... II 圖目錄......................................................................................................................................III 第一章 緒論............................................................................................................................1 1.1 研究動機與目的 ........................................................................................................1 1.2 研究架構 ....................................................................................................................3 第二章 文獻回顧....................................................................................................................4 2.1 通貨替代理論相關文獻之探討 ................................................................................4 2.2 通貨替代實證相關文獻之探討 ................................................................................5 2.3 非線性模型相關文獻之探討 ....................................................................................7 第三章 理論模型與實證方法..............................................................................................10 3.1 理論模型 ..................................................................................................................10 3.2 實證方法 ..................................................................................................................12 3.2.1 單根檢定........................................................................................................13 3.2.2 共整合分析 ...................................................................................................14 3.2.3 誤差修正模型與弱外生性 ...........................................................................16 3.2.4 平滑轉換迴歸模型 .......................................................................................17 3.2.5 線性檢定........................................................................................................20 3.2.6 診斷分析........................................................................................................22 3.2.7 樣本內配適 ...................................................................................................25 第四章 實證結果與分析......................................................................................................26 4.1 實證資料來源及處理 ..............................................................................................26 4.1.1 實證資料來源 ...............................................................................................26 4.1.2 變數說明........................................................................................................26 4.2 實證結果與分析 ......................................................................................................27 4.2.1 單根檢定........................................................................................................27 4.2.3 Johansen共整合檢定 ...................................................................................30 4.2.4 弱外生檢定 ...................................................................................................32 4.2.5 共整合係數檢定 ...........................................................................................33 4.2.6 線性誤差修正模型 .......................................................................................34 4.2.7 線性模型診斷性分析 ...................................................................................38 4.2.8 線性檢定........................................................................................................39 4.2.9 非線性誤差修正模型 ...................................................................................40 4.2.10 非線性模型診斷性分析 .............................................................................47 4.2.11 線性與非線性模型之RMSE比較 ..............................................................50 第五章 結論..........................................................................................................................54 參考文獻..................................................................................................................................57. I.

(6) 表目錄 表 4.1 表 4.2 表 4.3 表 4.4 表 4.5 表 4.6 表 4.7 表 4.8 表 4.9 表 4.10 表 4.11. DF-GLS單根檢定結果..............................................................................................28 VAR模型最適落後期之選擇....................................................................................30 Johansen 共整合檢定結果.......................................................................................31 弱外生檢定結果........................................................................................................33 共整合係數檢定結果................................................................................................34 長期均衡關係與短期動態調整................................................................................36 線性檢定結果............................................................................................................40 非線性誤差修正模型................................................................................................42 無剩餘其他非線性檢定............................................................................................48 參數不變性檢定......................................................................................................49 線性模型與非線性模型之RMSE...........................................................................50. II.

(7) 圖目錄 圖 3.1 圖 3.2 圖 3.3 圖 3.4 圖 3.5 圖 4.1 圖 4.2 圖 4.3 圖 4.4 圖 4.5 圖 4.6 圖 4.7 圖 4.8 圖 4.9 圖 4.10 圖 4.11 圖 4.12. 實證研究架構............................................................................................................12 LSTR1 模型...............................................................................................................18 LSTR2 模型...............................................................................................................19 ESTR模型..................................................................................................................20 線性檢定步驟............................................................................................................21 非線性誤差修正模型的轉換函數 (ID_EU) ...........................................................44 非線性誤差修正模型的轉換函數 (ID_JP).............................................................44 非線性誤差修正模型的轉換函數 (ID_US)............................................................45 非線性誤差修正模型的轉換函數 (KR_US) ..........................................................45 非線性誤差修正模型的轉換函數 (SG_JP) ............................................................46 非線性誤差修正模型的轉換函數 (TW_ EU) ........................................................46 線性、非線性模型的估計值與實際值 (ID_EU) ...................................................51 線性、非線性模型的估計值與實際值 (ID_JP).....................................................51 線性、非線性模型的估計值與實際值 (ID_US)....................................................52 非線性模型的估計值與實際值 (KR_US) ............................................................52 線性、非線性模型的估計值與實際值 (SG_JP) ..................................................53 線性、非線性模型的估計值與實際值 (TW_ EU) ..............................................53. III.

(8) 第一章. 緒論. 1.1 研究動機與目的 自從 1970 年代初期,隨著布列敦森林協定 1 (Bretton Woods Agreement) 瓦解後, 一些主要工業化國家紛紛放棄固定匯率制度,而改採浮動匯率制度,欲藉由匯率變動來 阻隔國外經濟的干擾,以維持國內經濟穩定,卻發現浮動匯率制度無法有效隔絕來自國 外物價的干擾,此現象違背了傳統的國際金融理論 2 。此時,二次石油危機造成各國發 生嚴重的通貨膨脹問題,使得匯率變動更加劇烈。 之後,許多學者對匯率變動能調節國際收支並吸收國外經濟干擾之觀念存在質 疑,這使得通貨替代的現象逐漸受到重視。而他們發現,若存在通貨替代現象,即使採 浮動匯率制度,資產間的替代性將造成國內貨幣需求不穩定,進而影響貨幣政策的自主 性 (Chen, 1973; Miles, 1978; Saidi, 1980)。 Chowdhury (1997) 對通貨替代的定義是:「當本國貨幣與外國貨幣之相對報酬率 發生變動時,本國將調整所持有的本國與外國貨幣資產的比例。」在固定匯率制度下, 民眾可以以某一固定比率將本國貨幣兌換成外國貨幣,除了交易動機外,本國民眾並無 持有外國貨幣的誘因,在這種情況下,兩國的貨幣可視為是完全替代;而在浮動匯率下, 兩國貨幣的兌換比率並非固定,因此民眾會考量匯兌風險而持有各種貨幣,在此種情況 下,兩國的貨幣為不完全替代。是以,探討通貨替代現象必須是在該國實行浮動匯率制 度之期間才有意義,當ㄧ國實行浮動匯率制度時,才能有效檢驗當匯率變動時,本國民 眾對於本國貨幣與外國貨幣間的替代程度。 通貨替代現象,一般常發生在高度通貨膨脹且匯率變動相當大的開發中國家。80 年代至90年代,拉丁美洲國家發生金融危機,導致物價高漲且匯率劇烈變動,當地民眾 為了避免通貨膨漲所帶來的損失,紛紛將本國貨幣兌換成美元,並用美元作為交易的工 具。Dean (2001) 指出厄瓜多爾與薩爾瓦多已有法定美元化的現象,而Prock et al. (2003) 探討拉丁美洲國家的通貨替代現象,發現阿根廷與巴西的貨幣對美元確實存在通貨替代 現象,而墨西哥匹索與美元間的通貨替代現象則不顯著。. 1. 布列敦森林協定對會員國的貨幣兌換、國際收支調節等問題制訂一定的規範與措施。在貨幣兌換方面, 採美元與黃金掛勾且會員國貨幣與美元掛勾,實行固定匯率制度。 2 傳統的國際金融理論認為,在開放經濟體系下,浮動匯率制度可以藉由匯率變動隔絕來自國外物價的干 擾,使國內貨幣政策擁有高度自主性 (Friedman, 1953; Sohmen, 1961; Mundell, 1963; Johnson, 1972)。 1.

(9) 相較於拉丁美洲國家基於交易動機而存在通貨替代現象,東亞國家的物價膨漲與 匯率貶值的現象並不嚴重,但基於規避風險及賺取匯差兩個原因,當地民眾亦會將手中 部分資產以外國貨幣的形式持有。Chaisrisawatsuk et al. (2004) 探討印尼、韓國、馬來 西亞、新加坡、泰國的通貨替代現象,實證結果發現印尼、韓國、新加坡、泰國對美元、 日圓、英鎊皆存在通貨替代現象,而馬來西亞僅與美元、日圓有通貨替代現象,與英鎊 則無顯著證據。 近年來,一般民眾處在匯率經常變動且國際金融高度整合的環境下,基於交易、 投機、預防等三種動機,而將手中持有的貨幣資產多元化 3 ,這使得通貨替代成為國際 金融的一個重要議題。 亞洲四小龍與亞洲四小虎 (East Asian Tigers) 4 的經濟成長背景非常相似,前者利 用西方國家轉移勞動密集產業之機會,仰賴本身勞動力的優勢成功的吸引外資與技術, 使其迅速成長,而後者則相當依賴製造業與輕工業的出口。這些國家的共同特點為十分 仰賴國際資金,且皆為外貿導向的經濟體,因此,貿易總額相對於國內生產毛額的比例 相當大,匯率所扮演的角色對於這些國家而言是相當重要的。 以往,這些國家為了避免匯率變動過於激烈而影響經濟,因而實行固定匯率制度。 然而,1997年亞洲金融危機的發生,使得這些國家被迫實行浮動匯率制度 5 ,而在外匯 管制解除之後,民眾將基於匯兌風險的考量而持有各種貨幣,投機性的資金將使得貨幣 需求大幅度波動。因此,將傳統貨幣需求函數納入國際間因素之後,擴展成引入通貨替 代現象的貨幣需求函數,有助於探討一國貨幣政策的自主性與貨幣需求的穩定性。 關於通貨替代的實證研究,許多文獻利用 Cuddington (1983) 的資產組合平衡模型 探討貨幣需求、本國所得、本國利率、外國利率與匯率變動率之間的線性關係。然而, 這些文獻以線性模型探討通貨替代現象,並未考量當交易成本存在時,將使線性模型的 調整速度為固定值的假設不再適用了,因而可能存在非線性的通貨替代關係。而 Wu and Hu (2007) 探討引入通貨替代現象之貨幣需求函數的非線性關係,但僅將實質匯率納入 傳統貨幣需求函數,並未考量外國利率對本國貨幣需求的影響。 3. Chen (1973) 與 Miles (1978) 指出,若民眾基於交易、預防與投機動機而同時保有本國貨幣與外國貨 幣時,隨著經濟體系開放程度擴大而增加持有外國貨幣資產的比例,因此,資產間的替代性將造成本國 貨幣需求不穩定,而影響貨幣當局的政策操作。 4 亞洲四小龍與亞洲四小虎之原文皆為 East Asian Tigers,但在中文地區兩者有所區分。亞洲四小龍是指 香港、韓國、新加坡與台灣;而亞洲四小虎是指印尼、馬來西亞、菲律賓與泰國等四個新興國家。 5 菲律賓、新加坡與台灣於亞洲金融風暴發生之前,已實行浮動匯率制度;印尼、韓國與泰國於亞洲金 融風暴之後實行浮動匯率制度;馬來西亞於亞洲金融風暴之後,實行固定匯率制度,至 2005 年才解除; 香港不論亞洲金融風暴發生之前或之後,皆實行固定匯率制度。 2.

(10) 本文依據資產組合平衡模型,在考量通貨替代現象下,將外國利率與實質匯率兩 個變數加入傳統的貨幣需求函數,而建構出包含本國實質所得、本國利率、外國利率、 實質匯率的貨幣需求函數,探討在開放經濟體系下,東亞六國 (印尼、韓國、菲律賓、 新加坡、泰國、台灣) 對歐元、日圓、美元等三種貨幣是否存在通貨替代現象,以及通 貨替代現象對東亞六國貨幣需求的影響。本文應用 Johansen (1991) 共整合方法分析東 亞六國 1999 年 1 月至 2007 年 10 月的資料,並應用 Granger and Teräsvirta (1993) 所提 出的非線性平滑轉換迴歸 (smooth transition regression, STR) 模型來探討通貨替代的非 線性關係,並比較線性模型與非線性模型的配適度。資料來源為 Datastream 資料庫。. 1.2 研究架構 本文架構可分為五章,第一章為緒論,說明本文的研究動機與目的。第二章為文 獻回顧,探討通貨替代與非線性模型之相關文獻。第三章為理論模型與實證方法之介 紹,詳述本文所採用的計量方法。第四章為實證結果與分析。第五章為結論。. 3.

(11) 第二章. 文獻回顧. 2.1 通貨替代理論相關文獻之探討 探討通貨替代的理論文獻主要是著重於:1. 通貨替代對貨幣需求的影響 (Chen et al., 1981; Chen and Tsaur, 1983); 2. 通貨替代對實質匯率動態行為的影響 (Calvo and Rodriguez, 1977; Liviatan, 1981; Park, 1987; Chen et al., 1989)。這些理論文獻大致上認為 通貨替代現象將干擾浮動匯率制度下貨幣政策的自主性。 Calvo and Rodriguez (1977, C&R) 分析小型開放經濟體系下匯率決定的二部門模 型,模型中的實質匯率以貿易財作衡量,且本國民眾可同時保留本國貨幣與外國貨幣兩 種資產.但本國貨幣與外國貨幣的持有比例受兩資產相對預期報酬率的影響。在理性預 期且購買力評價 (purchasing power parity) 成立的假設下,可推得本國與外國之實質貨 幣需求皆為實質匯率與外國貨幣資產的函數。另外,該文分析當發生貨幣性干擾時,實 質匯率與外國貨幣資產需求之間的動態行為,可知:1. 貨幣成長率的提升將造成短期 實質匯率貶值,導致貿易財的生產增加,並改善國際收支盈餘; 2. 長期下,實質匯率 不會受貨幣成長率的影響。 Liviatan (1981) 沿用 C&R 的架構,但兩文不同之處在於前者假設消費者考慮無 限期且長期完全預知,而後者只考慮本國貨幣與外國貨幣兩種資產,並沒有考量借貸行 為,這個假設使得消費者當期的消費可能性存在一個上界。然而,此假設必須在解存在 下才會成立。因此,Liviatan 的模型中考量了政府移轉性支出。在消費者行為的效用分 析基礎下,可推得貿易財與非貿易財的需求函數皆為實質匯率的函數。另外,該文分析 貨幣成長率與實質匯率之間的關係,可知:1. 貨幣成長率的提升將造成短期實質匯率 升值。此與 C&R 的看法相反; 2. 長期下,實質匯率不會受貨幣成長率的影響。此與 C&R 的結論一致。 Chen and Tsaur (1983) 分析小型開放經濟體系下匯率決定的二部門模型,假設本國 民眾僅能擁有本國貨幣與外國貨幣兩種資產,而本國貨幣存量被政府外生給定,只有外 國貨幣的本國存量可被內生決定,且模型假設本國貨幣成長率等於本國物價膨脹率。與 之前文獻不同之處在於 Chen and Tsaur 率先考慮了外國通貨膨脹率不為零的情況下,分 析外國通貨膨脹率變動對本國通貨膨脹率及本國實質變數的影響,經由模型的推導,可 知: 1. 當本國貨幣與外國貨幣兩種資產之間存在替代關係時,Hayek (1976) 的主張─ 4.

(12) 本國民眾使用外國貨幣替代本國貨幣作為支付的工具,將減弱政府仰賴鑄幣稅作為財政 目的的能力,且能抑制通貨膨脹─將會成立; 2. 貨幣擴張影響了貿易條件 (term of trade),且外國通貨膨脹將使得貨幣中立性不再成立。 Chen et al. (1989) 沿用 Chen and Tsaur 的架構,認為本國民眾為了降低交易成本 或減低匯兌風險,將會同時保有本國貨幣與外國貨幣 (Frenkel and Rodriguez, 1982; Levich; 1985)。經由模型推得:當外國通貨膨脹率不為零時,貿易條件的穩定狀態會受 貨幣成長率的影響,且貿易條件的動態路徑會與忽略外國通貨膨脹率的情況有所不同。 且因通貨替代的程度不同,將使貿易條件出現過度調整 (overshooting) 或調整不足 (undershooting) 的情況。 然而,上述文獻並未考量通貨膨脹的避險資產對匯率動態調整的影響。Park (1987) 將通貨膨脹的避險資產加入資產組合平衡模型,即假定民眾可持有本國貨幣、外國貨幣 及通貨膨脹的避險資產 (如房地產、黃金等) 三種資產。此模型仍假設外國通貨膨脹率 為零,且在完全預知的假設下,經由模型推導,可知匯率過度調整的現象主要是由通貨 替代所引起,而通貨膨脹避險資產的投機行為導致了通貨膨脹避險資產的價格出現過度 調整的現象。雖然此模型加入了通貨膨脹的避險資產,但結論仍與 C&R 一致,通貨替 代現象使得短期貨幣中立性不再成立。 此外,Kouri (1976) 假定民眾可持有本國貨幣與外國債券兩種資產;Branson (1977) 假定民眾可持有本國貨幣、本國債券與外國債券三種資產;而 Branson and Henderson (1985) 假定民眾可持有本國貨幣、本國債券、外國貨幣與外國債券四種資產。. 2.2 通貨替代實證相關文獻之探討 Mizen and Pentecost (1994) 指出,研究通貨替代的理論方法可分為兩大類:第一類 為貨幣勞務生產函數 (Chen, 1973; Miles, 1978; Bufman and Leiderman, 1993),第二類為 資產組合平衡模型 (Cuddington, 1983; Zervoyianni, 1992)。 Miles (1978) 認為替代彈性的準確值在實證研究中是相當重要的,而 Chen (1973) 假設貨幣需求函數為 Cobb-Douglas 形式,將使得替代彈性為一,此假設造成了 Chen 的 模型在實證研究中是不適用的。因此,Miles 以消費行為理論為基礎,將本國貨幣與外 國貨幣視為 CES (constant elasticity of substitution) 生產函數中的兩種生產要素,並估計 通貨替代彈性。實證結果發現在浮動匯率期間 (1960 第四季至 1962 年第二季與 1970 年第三季至 1975 年第四季),加拿大元對美元存在高度通貨替代現象,但在固定匯率期 5.

(13) 間 (1962 年第三季至 1970 年第二季),通貨替代彈性不顯著異於零。此實證結果說明了 在浮動匯率期間,即使中央銀行不干預外匯市場,貨幣政策也無法維持完全的獨立自主。 Arango and Nadiri (1981, A&N) 依據資產組合平衡模型,以 1960 年至 1975 年的季 資料,探討加拿大、德國、英國與美國的貨幣需求函數,實證結果顯示國內變數 (恆常 所得、本國利率、預期通貨膨脹率) 與國外變數 (外國利率、預期匯率貶值率) 皆會影 響本國貨幣需求。 Bordo and Choudhri (1982) 指出 Miles 的模型忽略了本國所得與本國利率對貨幣 需求的影響,因而修正 Miles 的模型,將本國所得與本國利率納入模型中,並在效率市 場的前提下,以遠期匯率取代了預期匯率。實證結果發現加拿大在浮動匯率期間,通貨 替代並不會顯著影響加拿大的貨幣需求,因此,即使在浮動匯率期間,中央銀行的貨幣 政策仍可維持獨立自主。此實證結果無疑推翻了 Miles 與 A&N 的主張。 Cuddington (1983) 亦依據資產組合平衡模型,假設本國民眾可持有本國貨幣、本 國債券、外國貨幣與外國債券四種資產,與之前文獻不同之處在於此模型區隔了資本移 動效果與通貨替代效果對貨幣需求的影響,但 Cuddington 認為共線性 (multicollinearity) 是造成不易區分資本移動效果與通貨替代效果的主因。實證結果發現加拿大、美國與德 國存在資本移動現象,而德國顯著存在通貨替代現象,而雖然美國與英國亦顯著存在通 貨替代現象,但方向卻為正,與理論不一致。 早期探討通貨替代的文獻多採用迴歸方法進行估計,並未考量變數可能存在非定 態 (nonstationary) 或變數間可能存在長期穩定關係,因而造成假性迴歸 (spurious regression) 的現象。若變數出現非定態現象,則可能造成迴歸結果的係數顯著異於零, 且判定係數很高,但實際上模型的自變數與應變數之間並無經濟意義上的相關。直到 Engle and Granger (1987) 提出兩階段共整合 (cointegration) 檢定與 Johansen and Juselius (1990) 提出最大概似估計法及誤差修正模型才解決了假性迴歸的問題。 Leventakis (1993) 認為 A&N 與 Cuddington 將本國資產與外國資產視為完全替 代的假設是不適當的,且 A&N 與 Cuddington 的研究期間橫跨了固定匯率與浮動匯率 制度,將無法確定匯率變動對貨幣需求的影響。Leventakis 假設民眾可持有本國貨幣、 本國債券、外國貨幣與外國債券四種資產,且由於存在匯率風險,因此資產間為不完全 替代。Leventakis 認為之前文獻假設外國民眾不能持有本國資產是不合理的,且之前文 獻以遠期匯率取代預期匯率並不恰當,而 Leventakis 認為應以實際貶值率取代預期貶值 率。研究對象為七個主要工業化國家,並應用誤差修正模型 (error correction model, ECM) 6.

(14) 探討通貨替代與資本移動對貨幣需求的影響,實證發現只有資本移動對貨幣需求有顯著 的影響,而通貨替代現象對貨幣需求的影響並不顯著。 Mizen and Pentecost (1994, M&P) 探討西德、法國、比利時、荷蘭、義大利、丹麥、 愛爾蘭等七國的通貨替代現象,並在相對購買力評價說成立的條件下,以兩國相對物價 變動率取代預期匯率貶值率,以降低變數間存在共線性的問題。且為了避免非定態變數 造成假性迴歸現象,因而進行 Augmented Dickey-Fuller (ADF) 單根檢定,發現非定態 變數間存在穩定的線性關係。因此,M&P 應用誤差修正模型探討長期共整合關係,實 證發現不論短期或長期,通貨替代現象均無顯著存在的證據。 Bahmani-Oskooee (1996) 認為開發中國家的金融市場制度不健全,特別是高度通 貨膨脹的國家,應以通貨膨脹率取代利率作為持有貨幣的機會成本。因此,設定實質貨 幣需求為實質所得、通貨膨脹率與匯率的函數,其中匯率以官方匯率及黑市匯率兩種形 式衡量。該文以伊朗 1959 年至 1990 年的年資料作為研究對象,並應用 Johansen-Juselius (1990) 共整合方法,實證結果顯示伊朗的實質貨幣、實質所得、通貨膨脹率與黑市匯 率四者之間存在長期穩定關係。 Bahmani-Oskooee and Techaratanachai (2001) 依據 A&N 與 Bahmani-Oskooee 的模 型,設定實質貨幣需求函數為實質所得、本國利率與匯率的函數,實證發現 1977 年至 1990 年的泰國存在通貨替代現象,並建議泰國政府的貨幣政策應以穩定泰銖匯率為優 先考量。Prock et al. (2003) 亦依據 A&N 與 Bahmani-Oskooee 的模型,並應用誤差修正 模型探討拉丁美洲國家的通貨替代現象,實證發現在 1986 年 10 月至 2001 年 6 月期間, 阿根廷匹索與巴西幣對美元確實存在通貨替代現象,而墨西哥匹索對美元的通貨替代現 象不顯著。 Bahmani-Oskooee and Karacal (2006) 探討土耳其在 1987 年 1 月至 2004 年 6 月期 間是否存在通貨替代現象,該文指出土耳其的金融市場不健全,且存在高度通貨膨脹, 因而認為實質所得、本國利率、通貨膨脹率與名目匯率皆會影響土耳其的實質貨幣需求 函數,利用 Pesaran et al. (2001) 共整合檢定及誤差修正模型,實證發現土耳其的 M1 相 較於 M2 是較穩定的,且存在通貨替代的現象。. 2.3 非線性模型相關文獻之探討 有許多文獻指出,當時間序列資料具有非線性特性時,若仍以線性模型探討非線 性的現象,將使得線性模型不足以解釋經濟現象。因而許多學者開始發展非線性模型, 7.

(15) 希望非線性模型對經濟現象的解釋能力可以優於線性模型的解釋能力。 門檻自我迴歸 (threshold autoregressive, TAR) 模型最早是由 Tong (1978) 與 Tong and Lim (1980) 提出。在 TAR 模型中,當轉換變數 (transition variable) 大於某個門檻 值 (threshold value) 時,代表模型出現不同的體制 (regime),且模型的調整速度為瞬間 變動。而 Tong (1990) 進一步將此模型延伸,至此以後,有許多學者利用此一架構探討 各種經濟議題。 Tiao and Tsay (1994) 應用 TAR 模型探討 1947 年第一季至 1991 年第一季美國實質 GNP (gross national production),實證發現 TAR 模型可以捕捉到實質 GNP 在擴張與緊縮 期間的不對稱行為,而線性 AR 模型只能反應大多數資料的特性。上述結果顯示了經濟 體並非遵循簡單的線性模型,且該文以均方誤差 (mean squared errors) 比較 TAR 模型 與線性模型的樣本外預測能力,發現 TAR 模型的預測能力較線性模型佳。 然而,許多經濟變數的調整速度並非瞬間變動,後續學者提出轉換函數的調整速 度為平滑變動的平滑轉換自我迴歸 (smooth transition autoregressive, STAR) 模型,其後 Teräsvirta (1994) 對 STAR 模型進行擴充及發展,使 STAR 模型更加完備,因而後續許 多學者應用非線性 STAR 模型探討總體經濟的諸多議題。 Teräsvirta and Anderson (1992) 利用 STAR 模型探討十三個 OECD 國家與歐洲的景 氣循環現象。該文將 STAR 模型區分成 LSTAR (logistic STAR) 與 ESTAR (exponential STAR) 兩種形式,並指出 LSTAR 模型適合描述擴張與緊縮為不對稱的經濟現象,而 ESTAR 模型適合描述擴張與緊縮為對稱的經濟現象。實證發現大部分國家的景氣循環 現象符合非線型 STAR 模型的特性。而稍後 Teräsvirta (1994) 考慮 LSTAR 與 ESTAR 模 型,建構完整的線性檢定,以判斷時間序列資料應使用線性模型或是非線性模型進行估 計,以及非線性模型應使用 LSTAR 或 ESTAR 模型。 Baum et al. (2001) 以美國的貿易夥伴為對象,利用非線性 ESTAR 模型,探討各國 後布列敦森林時代 (post-Bretton Woods era) 的長期購買力評價 (purchasing power parity, PPP) 的動態行為。實證發現大部分國家的 PPP 動態行為符合非線性的特性,且 脈衝反應函數 (impulse response function) 也支持非線性的動態結構。 Sarantis (2001) 探討七個主要工業化國家的股票價格成長率的循環行為,實證發現 所有國家皆符合非線性的特性。由於 Granger 因果關係檢定只適用於線性模型,因此該 文利用 Skalin and Teräsvirta (1999) 擴展的 Granger 因果關係檢定,探討各國股市是否會 互相影響,實證結果顯示只有少數市場會互相影響。該文並以 1997 年 1 月至 1999 年 9 8.

(16) 月為樣本外資料,比較非線性 STAR 模型、線性模型與隨機漫步模型的樣本外預測能 力,實證發現大部分國家 STAR 模型的預測能力優於線性模型與隨機漫步模型。 Lütkepohl, Teräsvirta and Wolters (1999) 應用誤差修正模型,探討德國貨幣需求的 穩定性。實證發現在 1961 年第一季至 1990 年第二季德國貨幣尚未統一的期間,德國 貨幣需求呈現線性且穩定的關係。但考量德國貨幣統一後,重新以 1961 年第一季至 1995 年第四季進行研究,實證發現德國貨幣需求符合非線性 LSTR 模型的特性。 以往探討通貨替代的文獻皆以線性模型描述通貨替代的動態行為,並未考量當交 易成本存在時,將使線性模型的調整速度為固定值的假設不再適用了,因而可能存在非 線性的通貨替代關係。Wu and Hu (2007) 將實質匯率加入傳統貨幣需求函數,應用非線 性 STR 模型,以 1962 年第一季至 2003 年第四季為研究對象,探討台灣通貨替代的現 象。實證發現模型中加入實質匯率變數之後,台灣長期貨幣需求函數為穩定的,且台灣 確實存在通貨替代現象,該文亦發現非線性誤差修正模型較線性誤差修正模型更適合描 述台灣貨幣需求的動態行為。. 9.

(17) 第三章. 理論模型與實證方法. 3.1 理論模型 本文的理論模型沿用 Cuddington (1983) 的架構,以資產組合平衡模型的觀點建構 貨幣需求函數,模型中考量了通貨替代現象對貨幣需求的影響。Cuddington 假設本國 民眾可持有本國貨幣、本國債券、外國貨幣與外國債券四種資產,而各資產持有的比例 受資產間預期相對報酬率的影響。因此,本國民眾的資產組合可用下式表示:. M d = m(r , r * + x, x, Y ,W ), m1 < 0, m2 < 0, m3 < 0, m4 > 0, m5 > 0. (3.1). B d = b(r , r * + x, x, Y ,W ), b1 > 0, b2 < 0, b3 < 0, b4 < 0, b5 > 0. (3.2). F d = f (r , r * + x, x, Y ,W ), f1 < 0, f 2 > 0, f 3 < 0, f 4 < 0, f5 > 0. (3.3). N d = n(r , r * + x, x, Y ,W ), n1 < 0, n2 < 0, n3 > 0, n4 > 0, n5 > 0. (3.4). 其中, M d 與 B d 分別為本國貨幣需求與本國債券需求, F d 與 N d 分別為外國貨幣需求 與外國債券需求, r 與 r * 分別為本國債券利率與外國債券利率, x 為本國貨幣預期貶值 率, Y 為本國所得, W 為本國財富。 本國貨幣預期貶值率為本國貨幣與外國貨幣的相對報酬,將影響本國民眾對本國 貨幣與外國貨幣的持有比例,因此,本國貨幣預期貶值率可作為衡量通貨替代效果對貨 幣需求的影響。而為了檢驗通貨替代效果對本國貨幣需求的影響,Cuddington 以下式 作為衡量通貨替代效果:. Md ln = β 0 + β1 ln y + β 2 r + β3 (r * + x) + β 4 x + ε Pd. (3.5). Cuddington 指出,本國民眾對外國貨幣的需求反應了通貨替代的現象,而本國民 眾對外國非貨幣資產的需求反應了開放經濟體下國際資本的移動性,因此,預期. β3 < 0、β 4 < 0 。然而,(3.5) 式卻存在共線性問題,為突顯通貨替代對貨幣需求的影響, 依據 Chaisrisawatsuk (2004) 將共線性問題予以去除,以下式估計貨幣需求函數: ⎛M ⎞ ln ⎜ ⎟ = b0 + b1 ln yt + b2 rt + b3rt* + b4 xt + ut ⎝ P ⎠t. (3.6). 實證研究上對於預期匯率貶值率的選取尚未有定論,Cuddington 以遠期匯率變動 率取代預期匯率貶值率;Leventakis (1993) 以實際匯率貶值率取代預期匯率貶值率,並 認為以遠期匯率取代預期匯率是不恰當的;Mizen and Pentecost (1994) 在相對購買力評 10.

(18) 價成立的條件下,以兩國相對物價變動率取代預期匯率貶值率,以降低變數間存在共線 性的問題。Wu and Hu (2007) 認為,當匯率以實質的形式表示時,貨幣需求關係將更加 顯著 (Bahmani-Oskooee, 1991; Arize and Shwiff, 1993)。因此,本文將實質匯率引入貨 幣需求函數,以下式估計通貨替代的現象:. mt = α 0 + α1 yt + α 2 rt + α 3 rt∗ + α 4 qt + ε t. (3.7). 其中, mt 為實質貨幣需求,以對數形式表示, yt 為實質所得,以對數形式表示, rt 為 本國利率, rt∗ 為外國利率, qt 為實質匯率,以對數形式表示, ε t 為誤差項。 α1 為貨幣 需求的所得彈性, α 4 為貨幣需求的實質匯率彈性。 依據經濟理論,我們預期 α1 > 0 且 α 2 < 0 。 α 3 反應了國際資本的移動性,我們預 期 α 3 < 0 ,其經濟意義為當外國利率上升時,本國民眾將有意願增加外國貨幣的持有, 而減少本國貨幣的持有,因此,若 α 3 < 0 ,則國際間存在資本移動現象。. Arango and Nadiri (1981) 指出,當本國貨幣貶值時,本國民眾持有外國資產的價 值增加,可視為本國民眾的財富增加,因而增加了本國民眾對本國貨幣的需求,由以上 可知,匯率與貨幣需求呈正向關係;但 Bahmani-Oskooee and Pourheydarian (1990) 指 出,當本國貨幣貶值時,本國貨幣相對於外國貨幣的價值減少,因此,使得本國民眾持 有外國貨幣的意願增加,導致本國民眾增加外國貨幣的持有,並減少本國貨幣的持有, 由以上可知,匯率與貨幣需求呈負向關係。由上述分析可知, α 4 的方向無法確定,須 視兩種效果的力量而定,如果後者力量大於前者,本國貨幣需求減少將引起經濟衰退, 甚至造成經濟危機。. 11.

(19) 3.2 實證方法. 原始資料. DF-GLS單根檢定 VAR 模型 Johansen 共整合檢定 弱外生檢定 線性檢定. 線性誤差修正模型. 非線性誤差修正模型. 診斷性分析. 診斷性分析. Ljung-Box Q、JB、ARCH-LM test. SC、NRN、PC、JB、ARCH-LM test. 模型配適度比較 RMSE. 結論. 圖 3.1 實證研究架構. 本文的實證方法如圖 3.1 所示。首先,先將各變數進行單根檢定以判斷是否為穩定 序列,若變數皆為穩定序列,則以 VAR 模型進行估計;若變數皆為不穩定序列,則在 決定 VAR 模型之後,以 Johansen 共整合檢定來判斷數個不穩定序列是否存在長期均衡 關係,並加入具有弱外生特性之變數,再以線性檢定來判斷資料適合以線性誤差修正模 12.

(20) 型或非線性誤差修正模型進行估計。另外,我們透過一些診斷性分析來評估線性與非線 性模型,最後我們以 RMSE 值比較線性與非線性模型的配適程度。. 3.2.1 單根檢定 許多文獻發現總體經濟變數可能存在非定態的特性,例如所得、物價等資料。若 變數出現非定態現象,則可能造成迴歸結果的係數顯著異於零,且判定係數很高,但實 際上模型的自變數與應變數之間並無經濟意義。此現象由 Granger and Newbold (1974) 提出,稱為假性迴歸 (spurious regression)。因此,使用時間序列資料進行實證研究時, 必須先判斷變數是否為定態,而實證上最常使用檢定資料穩定性的方法為單根檢定。本 文使用 Elliott et al. (1996) 提出的 DF-GLS 檢定以判斷變數是否為定態。 如果實際資料產生過程 (data generating process, DGP) 為 AR(1) 形式,且其係數相 當接近一時,將導致傳統的 ADF 與 PP 單根檢定的檢定力相當低,容易造成無法拒絕 序列存在單根的虛無假設。除了檢定力相當低的問題之外,Schwert (1989) 指出,當實 際資料存在移動平均 (moving-average) 的性質時,將導致 ADF 與 PP 單根檢定出現型 I誤差扭曲 (size distortion) 的現象。因而,Elliott et al. 提出 DF-GLS 檢定以改善傳統 的 ADF 與 PP 單根檢定的低檢定力問題。 假設一序列 yt 的資料產生過程為. yt = dt + ut ,. (3.8). ut = aut −1 + vt. 其中 dt = β ′zt 為確定性成分 (deterministic component),可為截距項或時間趨勢項, vt 為平均數為零的誤差項。當 a = 1 時, yt 為非定態序列;當 a < 1 時, yt 為定態序列。 令. y = [ y1 , (1 − α L) y2 ,… , (1 − α L) yT ] 、 z = [ z1 , (1 − α L) z2 ,… , (1 − α L) zT ]. 且. zt = (1, t )′ 、α = 1 + c / T 。若資料有截距項及時間趨勢項,則 zt = (1, t )′ 且 α = −13.5 ; 若資料只有截距項,則 zt = (1)′ 且 α = −7 。 經過上述的變數轉換之後,將 y 對 z 作迴歸,可得 βˆ0 與 βˆ1 兩個估計參數, 令 ytd = yt − βˆ0 − βˆ1t ,為去趨勢項後的序列。Elliott et al. 檢定迴歸式 Δytd = a0 ytd−1 + a1Δytd−1 +. + a p Δytd− p + ε t 13. (3.9).

(21) 以修正傳統 ADF 單根檢定,其虛無假設為 H 0 : a0 = 0 。若檢定結果不拒絕虛無假設, 表示序列具有單根;若拒絕虛無假設,表示序列為定態。 在落後期數的選擇上,如果落後期數選取過短,則可能殘差仍存在自我相關;但 如果落後期數選取過長,則可能造成參數過多使得自由度減少,而造成檢定力降低。因 此,我們使用 Schwartz Information Criterion (SIC) 準則決定最適當的落後期數。. 3.2.2 共整合分析 根據 Engle and Granger (1987),共整合 (cointegration) 的定義為,一組非定態時間 序列變數透過某種線性組合關係而變成定態,則稱這些變數具有共整合現象。而他們發 現,若非定態變數之間的迴歸關係存在共整合現象,則此迴歸關係仍存在經濟意義。換 句話說,非定態變數具有共整合關係時,隱含了這些變數在長期而言,具有往均衡方向 調整的特性,即使在短期時,變數間可能存在偏離的現象,但此偏離長期均衡的現象應 該會逐漸縮小,此種機制就是誤差修正 (error correction) 機能。至此,解決了假性迴歸 可能造成實證結果誤判的問題。 然而,Engle-Granger 兩階段共整合方法必須主觀認定變數的因果關係,無法判斷 某一個變數是否應該包含於共整合關係式中,而當變數超過兩個時,並沒有適當統計量 判斷共整合的組數。因此,Engle-Granger 兩階段共整合方法並不適合分析多變數的共 整合關係。Johansen and Juselius (1990) 針對 Engle-Granger 的缺失,提出最大概似估計 法 (maximum likelihood estimate, MLE) 以分析多個變數的共整合關係。另外,文獻上 指出,當樣本數約為一百時,則 Johansen 共整合方法將優於其他方法 (Gonzalo, 1994;. Hargreares, 1994; Haug, 1996)。因此,本文使用 Johansen 共整合方法以分析多個變數的 共整合關係。 對於 k 個變數的 p 階向量自我迴歸 (vector autoregression) 模型的一般式如下,常 簡寫為 VAR( p) :. yt = A1 yt −1 +. + Ap yt − p + ut. (3.10). 其中, yt = ( y1t ,… , ykt )′ 為 k 個變數的集合,ut = (u1t ,… , ukt )′ 為殘差項,A1. Ap 皆為 k × k. 的係數矩陣。對 (3.10) 式的 VAR( p) 模型取差分,可將其改寫為誤差修正模型 (vector. error correction model, VECM),其形式如下式,並表示為 VECM ( p − 1) : 14.

(22) Δyt = Π yt −1 + Γ1Δyt −1 + 其 中 , Π = −( I k ×k − A1 −. − Ap ). 且. + Γ p −1Δyt − p +1 + ut Γi = −( Ai +1 +. (3.11) + Ap ) 為 k × k 的 係 數 矩 陣 ,. i = 1, 2,… , p − 1 。 Π yt −1 描述前期失衡對本期調整的衝擊。而 Π 矩陣為所有落後項矩陣的 線性組合,反應了各變數的長期均衡關係,稱為衝擊矩陣 (impact matrix),且 Π 矩陣的 秩 (rank) 決定了共整合向量的組數。 當 rank (Π ) = 0 ,表示各變數間不存在長期均衡關係,在此情況下,可直接以 Δyt 估 計 VAR 模型;當 rank (Π ) = p 時,表示 yt 為穩定序列,在此情況下,可直接以 yt 估計. VAR 模型;當 0 < rank (Π ) = r < p 時,表示各變數存在 r 組長期均衡關係,我們將 Π 矩 陣分解成 Π = αβ ′ ,其中 α 與 β 皆為 p × r 的矩陣,且 rank (α ) = rank ( β ) = r ,其特性為 即使 yt 為不穩定序列,但經線性組合後的 β ′ yt −1 仍可為穩定序列。. Johansen (1991) 利用最大概似法提出軌跡檢定 (trace test) 與最大特性根檢定 (maximum eigenvalue test),來決定非定態變數間最多存在幾組共整合向量。 (1) 軌跡檢定 (trace test) 由 (3.11) 式可求得 n 個特性根,將特性根大小依序排列成 λ1 ≥ λ2 ≥ … ≥ λn 。若 n 個非定態變數間沒有任何共整合向量存在,即 rank (Π ) = 0 ,隱含了 λ1 = λ2 = … = λn = 0 , 這將使 LRtrace (r ) = 0 ;若有 r 組共整合向量存在,則 λ1 ≠ 0 、 λ2 ≠ 0 、 … 、 λr ≠ 0 ,但. λr +1 = λr + 2 = … = λn = 0 , LRtrace (r ) 的 值 會 很 接 近 零 。 軌 跡 檢 定 的 虛 無 假 設 為 H 0 : rank (Π ) = r ,表存在 r 組共整合向量;對立假設 H1 : rank (Π ) ≥ r + 1 ,表至少存在 r+1 組共整合向量,其檢定統計量 LRtrace (r ) = −T. n. ∑ ln(1 − λ ) ,其中 T. i = r +1. i. 為總樣本數。. (2) 最大特性根檢定 (maximum eigenvalue test) 若有 r 組共整合向量存在,則 λ1 ≠ 0、λ2 ≠ 0、…、λr ≠ 0,但 λr +1 = λr + 2 = … = λn = 0, 第 r+1 個特性根 λr +1 = 0 ,所以 LRmax (r ) 的值會很接近零。最大特性根檢定的虛無假設 為 H 0 : rank (Π ) = r ,表存在 r 組共整合向量;對立假設 H1 : rank (Π ) ≥ r + 1 ,表至少存 在 r+1 組共整合向量,其檢定統計量 LRmax (r ) = −T ln(1 − λr +1 ) ,其中 T 為總樣本數。 若軌跡檢定與最大特性根檢定的結果不一致時,Johansen and Juselius (1990) 建議 採用最大特性根檢定。Johansen (1991) 指出,造成兩種檢定的結果不一致的原因,是由 於共整合關係接近非定態的邊緣所導致。 15.

(23) 由於共整合模型是否包含確定成分 (deterministic components) 將會影響秩檢定統 計量 (rank test statistics)。因此,Johansen (1995) 考慮下列五種模型:. (1) 誤差修正模型及誤差修正項皆無截距項與時間趨勢項。 (2) 誤差修正項有截距項,但無時間趨勢項;誤差修正模型無截距項與時間趨勢項。 (3) 誤差修正模型及誤差修正項皆有截距項,但無時間趨勢項。 (4) 誤差修正項有截距項及時間趨勢項;誤差修正模型有截距項,但無時間趨勢項。 (5) 誤差修正模型及誤差修正項皆有截距項與時間趨勢項。 Johansen and Juselius (1990) 指出,若所估模型含有時間趨勢項,但實際資料並無 時間趨勢,則會造成錯誤的估計與推論。因此,在最適當模型的選擇上,本文利用 Nieh. and Lee (2001) 所建議的方式,將上述五種模型由左而右依序排列,首先,檢定「零組 共整合向量」的虛無假設,若不拒絕虛無假設,則非定態變數間不存在長期均衡關係; 若上述五種模型皆拒絕「零組共整合向量」的虛無假設,則表示非定態變數至少有一組 共整合向量,因而繼續檢定「一組共整合向量」的虛無假設,若不拒絕虛無假設,則非 定態變數間存在一組長期均衡關係;若上述五種模型仍全部拒絕「一組共整合向量」的 虛無假設,則表示非定態變數至少有兩組共整合向量。如此,依序檢定,直到出現某一 模型不拒絕虛無假設為止,該模型即為最適當的模型,而該模型所對應的共整合向量組 數即為非定態變數間最適當的共整合向量組數。Luintel and Paudyal (1998) 指出,含二 次時間趨勢項的模型不符合實際的經濟現象,因此本文不考慮第五種模型。. 3.2.3 誤差修正模型與弱外生性 當非定態變數間存在共整合關係時,即表示非定態變數間有某種長期的線性關 係,若經濟體系受到外在衝擊時,將使得原先的長期關係受到破壞,此時可利用誤差修 正模型來探討非定態變數間的動態調整的情形。而透過誤差修正項可透討長期均衡值與 實際值之間的失衡情形,亦即在短期動態模型中仍保留了長期均衡的訊息。 在 Π = αβ ′ 的假設下,(3.11) 式可表示成下式:. Δyt = αβ ′ yt −1 + Γ1Δyt −1 +. + Γ p −1Δyt − p +1 + ut. (3.12). 其中, α 為調整速度,當 α 值愈大,表示共整合關係對該體系的影響愈大;反之,當 α 值愈小,表示共整合關係對該體系的影響愈小。. 16.

(24) 檢定誤差修正項的係數是否顯著異於零,即為弱外生 (weak exogeneity) 檢定. (Johansen, 1992)。欲檢定某變數是否具有弱外生性,其虛無假設為「誤差修正項的係數 為零 (即 α = 0 )」。若拒絕虛無假設,表示該變數不具有弱外生性,即應將該變數視為 內生變數。也就是說,在長期時該變數會受到體系的其他變數影響。 為了得到有效率的推估,必須使用完整體系來估計參數,然而,當變數具有弱外 生性時,將使得部分體系與調整係數所具有的資訊與完整體系一樣多,並不會產生訊息 上的損失。 由上述分析可知,若本國貨幣需求與本國實質所得、本國利率、外國利率、實質 匯率之間存在共整合關係時,則可利用誤差修正模型探討這些變數的長期均衡關係與短 期動態調整。因此,本國貨幣需求的誤差修正模型如下所示: r. p −1. p −1. p −1. p −1. p −1. i =1. i =1. i =1. i =1. i =1. i =1. Δmt = α 0 + ∑ λi ( ECi )t −1 + ∑ α1i Δmt −i + ∑ α 2i Δyt −i + ∑ α 3i Δrt −i + ∑ α 4i Δrt∗−i + ∑ α 5i Δqt −i + ε t. (3.13). 其中, r 為共整合向量組數; p − 1 為模型之落後期數;(ECi)t-1 為誤差修正項,若係數 λi 小於零,表示該模型具有均數復歸之特性。. 3.2.4 平滑轉換迴歸模型 本文以 Teräsvirta (2004, p.222) 提出的非線性平滑轉換迴歸 (smooth transition. regression, STR) 模型為主要架構,標準 STR 模型的形式定義如下: yt = φ ′zt + θ ′zt G (γ , c, st ) + ut = {φ + θ G (γ , c, st )}′ zt + ut , t = 1, …, T. (3.14). 其中, yt 為被解釋變數, zt = ( wt′ , xt′ ) 為解釋變數的向量,而 wt′ = (1, yt −1 ,… , yt − p )′ 與. xt′ = ( x1t ,… , xkt )′. 為 外 生 變 數 的 向 量 , φ = (φ0 , φ1 ,… , φm )′ , θ = (θ 0 ,θ1 ,… ,θ m )′. 為. ((m + 1) ×1) 的參數向量,m = p + k,且 ut ~ iid (0, σ 2 )。G (γ , c, st ) 為轉換函數 (transition function) ,其值介於 0 與 1 之間,一般式為 −1. K ⎛ ⎞ G (γ , c, st ) = ⎜ 1 + exp{−γ ∏ ( st − ck ) ⎟ , γ > 0 k =1 ⎝ ⎠. (3.15). 其 中 , γ 為 斜 率 參 數 (slope parameter) , 或 稱 為 轉 換 函 數 的 調 整 速 度 (speed of. adjustment) ,其值愈大,表示模型由一區間平滑轉換至另一區間的調整過程愈為急遽; c = (c1 ,… , cK )′ 為位置參數 (location parameter),稱為門檻值 (threshold value),表示轉 17.

(25) 換 變 數 st 在 c 處 由 一 區 間 平 滑 轉 換 至 另 一 區 間 ; st 為 轉 換 變 數 (transition. variable),且經常為 zt 中的要素。當 K = 1 與 K = 2 為轉換函數兩種較常使用的形 式。. (1) LSTR1 當 K = 1 時 , 轉 換 函 數 具 有 單 調 遞 增 (monotonically increasing) 且 不 對 稱 (asymmetric) 的特性,為單一門檻的轉換函數,其函數形式如下:. G (γ , c1 , st ) = (1 + exp{−γ ( st − c1 ) ) , γ > 0 −1. (3.16). 當 st 從 0 遞增至 1 時,參數 φ + θ G (γ , c1 , st ) 將由 φ 單調變動至 φ + θ 。若 st ≤ c1 且當 γ → ∞ 時, G (γ , c1 , st ) = 0 ;若 st > c1 且當 γ → ∞ 時, G (γ , c1 , st ) = 1 ,此時. LSTR1 模型即為 Tong (1978) 提出的門檻自我迴歸 (TAR) 模型。當 γ → 0 時, (3.14) 式退化成線性 AR(p) 模型,而當 st = c1 時,G (γ , c1 , st ) = 1/ 2 。由以上可知轉換變數 st 與 LSTR1 模型之間的關係,如圖 3.2 所示。. LSTR1 Transition Function 1.0 0.8 0.6 0.5 0.4 0.2 0.0 0.0 -∞. st. 0.2. 0.4. c1. 0.6. 0.8. 1.0∞. 圖 3.2 LSTR1 模型. (2) LSTR2 當 K = 2 時,為兩門檻的轉換函數,其函數形式如下:. G (γ , c1 , c2 , st ) = (1 + exp{−γ ( st − c1 )( st − c2 ) ) , γ > 0 −1. 18. (3.17).

(26) 轉換函數在中間點 (c1 + c2 ) / 2 時有最小值,其值介於 0 與 1/2 之間,且最小值的 兩側呈現對稱變動,當轉換變數 st 為極大值或極小值時,兩側的局部動態過程也是對稱 的。當. c1 = c2 且 γ < ∞ , G (γ , c1 , c2 , st ) = 1/ 2 。當 γ → ∞ 時, G (γ , c1 , c2 , st ) → 0 。. 而當 γ = 0 時, G (γ , c1 , c2 , st ) = 1/ 2 , (3.14) 式退化成線性 AR(p) 模型。由以上可知轉 換變數 st 與 LSTR2 模型之間的關係,如圖 3.3 所示。. LSTR2 Transition Function 1.0 0.8 0.6 0.5. 0.4 0.2 0.0 0.0 -∞. st. 0.2. c1. 0.4 (c1+c2)/2 0.6. c2. 0.8. 1.0 ∞. 圖 3.3 LSTR2 模型 由圖 3.4 可知,LSTR2 模型呈現三個區間 (regimes),門檻值 c1 與 c2 以內有 一個區間,稱為內部區間 (mid regime),而門檻值 c1 與 c2 以外有兩個區間,稱為外 部區間 (outer regimes)。且內部區間 (mid regime) 與外部區間 (outer regimes) 的動態行 為不同。 另一種與 LSTR2 模型相似的轉換函數為指數型 STR (exponential STR) 模型,其一 般式如下:. G (γ , c1 , st ) = 1 − exp{−γ ( st − c1 ) 2 } , γ > 0. (3.18). 當轉換變數 st 沿著門檻值 c1 兩側變動時,轉換函數呈現對稱變動。轉換變數 st 與. ESTR 模型之間的關係,如圖 3.4 所示。當 γ = 0 時, G (γ , c1 , st ) = 0 ,此時 ESTR 模型 退化成線性模型。當 γ → ∞ 時,除了 st 在 c1 點外,其餘皆使得 G (γ , c1 , st ) = 1 。當. 19.

(27) st = c1 時, G (γ , c1 , st ) = 0 ,且轉換函數 G (γ , c1 , st ) 的中間區間僅有一個點,這使得在 描述經濟變數的對稱動態行為時,並沒有 LSTR2 模型佳。因此,我們偏好使用 LSTR2 模型處理具有對稱特性的經濟變數。. ESTR Transition Function 1.0 0.8 0.6 0.4 0.2 0.0 0.0 -∞. st. 0.2. 0.4. c1. 0.6. 0.8. 1.∞ 0. 圖 3.4 ESTR 模型. 3.2.5 線性檢定 由以上可知,當 γ = 0 時,LSTR1 模型、LSTR2 模型與 ESTR 模型皆退化成線性模 型,因此,我們可以檢定虛無假設 γ = 0 ,若拒絕虛無假設,則表示時間序列資料適合 使用非線性模型進行分析,若不拒絕虛無假設,則使用線性模型進行分析。但使用此虛 無假設作檢定時,會使 φ = (φ0 , φ1 ,… , φm )′ 與 θ = (θ 0 ,θ1 ,… ,θ m )′ 的參數值無法定義,為 了解決此問題,Luukkonen et al. (1988) 建議對 LSTR1 模型、LSTR2 模型與 ESTR 模型 在 γ = 0 處進行 1 階、2 階、3 階泰勒展開 (Taylor expansion),可以得到線性檢定的輔助 迴歸式 (auxiliary regression): 3. yt = β 0′ zt + ∑ β j′ zt stj + ut* , t=1,…,T. (3.19). j=1. 其中, β 0′ 與 β j′ 為係數矩陣,ut* = ut + R3 (γ , c, st )θ ′zt 為白噪音, β j 為 γβ j 的形式, β j ≠ 0 為 θ 與 c 的函數,因此,線性檢定的虛無假設為 H 0 : β1 = β 2 = β3 = 0 。 20.

(28) 在相同階次下的泰勒展開式,LSTR1 模型與 LSTR2 模型有不同的特性,LSTR1 模型的一階項次與三階項次之值不為零,但二階項次之值為零,而 LSTR2 模型的二階 項次值不為零,但一階項次與三階項次之值為零,因此,運用此兩模型有不同特性的概 念進行檢定。線性檢定的步驟如圖 3.5。. 不拒絕 H 0. H 0 : β1 = β 2 = β3 = 0. 線性模型. 拒絕 H 0. H 04 : β3 = 0. 拒絕 H 04. LSTR1 模型. 拒絕 H 03. LSTR2 模型. 拒絕 H 02. LSTR1 模型. 不拒絕 H 04. H 03 : β 2 = 0 | β3 = 0 不拒絕 H 03. H 02 : β1 = 0 | β 2 = β3 = 0 不拒絕 H 02 線性模型. 圖 3.5 線性檢定步驟. 首先,檢定虛無假設 H 0 : β1 = β 2 = β3 = 0,檢定統計量為 F =. ( SSER − SSEU ) 3m , SSEU T − (4m + 1). 若不拒絕虛無假設,則以線性模型進行分析,若拒絕虛無假設,則檢定虛無假設. H 04 : β3 = 0 ,檢定統計量為 F04 =. ( SSE2 − SSE3 ) m ,若拒絕虛無假設,則以 LSTR1 模 SSE3 T − (4m + 1). 型進行分析,若不拒絕虛無假設,則檢定虛無假設 H 03 : β 2 = 0 | β3 = 0 ,檢定統計量. F03 =. ( SSE1 − SSE2 ) m ,若拒絕虛無假設,則以 LSTR2 模型進行分析,若不拒絕虛無 SSE2 T − (3m + 1) 21.

(29) 假 設 , 則 檢 定 虛 無 假 設. F02 =. H 02 : β1 = 0 | β 2 = β3 = 0 , 檢 定 統 計 量 為. ( SSE0 − SSE1 ) m ,若拒絕虛無假設,則以 LSTR1 模型進行分析,若不拒絕虛無 SSE1 T − (2m + 1). 假設,則以線性模型進行分析。 其中, m = p + k , p 為線性 AR 模型的落後期數, k 為其他自變數的個數, SSE3 、. SSE2 、 SSE1 分別為 (3.19) 式中當 st 有三次、二次或一次方項的迴歸時之殘差平方和, SSE0 為線性模型下之殘差平方和。此外,Teräsvirta (1994) 建議當有兩個以上的檢定結 果拒絕虛無假設時,則選擇檢定結果中 p-value 最小值的檢定作為最適當的 STR 模型。. 3.2.6 診斷分析 由上述的線性檢定可判斷時間序列資料適合用線性模型或非線性 STR 模型進行分 析。若線性檢定的結果選擇線性模型,則進行殘差檢定,包括了檢定序列有無自我相關 的 Q 檢定、檢定模型是否符合常態分配的 JB 檢定與檢定模型有無異質變異的 ARCH-LM 檢定。同樣地,若線性檢定的結果選擇非線性 STR 模型,則對殘差進行序列相關檢定、. ARCH-LM 檢定、無剩餘其他非線性檢定、參數不變性檢定與常態性檢定。檢定方法詳 述如下:. (1) Ljung-Box Q 檢定 Q 統計量是診斷模型的殘差有無自我相關,在計算 Ljung-Box Q 統計量之前,要先 計算殘差的第 i 階自我相關係數 ρ (i ) ,其計算式為 T. ρ (i ) =. ∑ εˆ εˆ. t =i +1 T. t t −i. (3.20). ∑ εˆ t =1. 2 t. 其中, εˆt 為估計而得的殘差項, T 為殘差總樣本數,而 Ljung-Box Q 統計量為 p. Q( p ) = T (T + 2)∑ i =1. ρ (i ) 2. (3.21). T −i. 其中,p 為落後期數,且 Ljung-Box Q 統計量符合自由度為 p 的 χ 2 分配,其虛無假設為 「序列從第 1 階至第 p 階沒有自我相關」。若檢定結果不拒絕虛無假設,則序列沒有自 我相關;若檢定結果拒絕虛無假設,則序列有自我相關。. 22.

(30) (2) Jarque-Bera 檢定 (JB test) JB 統計量是診斷模型的殘差是否符合常態分配,常被稱為常態性檢定 (normality test) 。在計算 JB 統計量之前,要先計算殘差的偏態係數 (skewness, S) 與峰態係數 (kurtosis, K),而 JB 統計量為. JB =. T −n 2 1 S + 4 ( K − 3) 2 ) ( 6. (3.22). 其中, T 為殘差總樣本數, n 為待估的參數個數,且 JB 統計量符合自由度為 2 的 χ 2 分 配,其虛無假設為「序列符合常態分配之偏態及峰態」。若檢定結果不拒絕虛無假設, 則序列符合常態分配之基本性質;若檢定結果拒絕虛無假設,則序列不符合常態分配。. (3) ARCH-LM 檢定 若迴歸的殘差條件變異不齊一,則會造成估計的係數不具有效性,因此,當實證 研究的資料為時間序列時,除了檢定殘差是否有自我相關外,尚須檢定殘差是否有異質 變異。ARCH-LM 檢定為文獻上常用的檢定。若時間序列資料符合 ARCH(q) 模型,則 計算其殘差 uˆt 並估計下列的輔助迴歸式及計算其 R 2 。輔助迴歸式如下: uˆt2 = β 0 + β1uˆt2−1 + … + β q uˆt2− q + errort. (3.23). 其中, q 為落後期,而 ARCH-LM 統計量為. ARCH LM (q) = TR 2. (3.24). 其中, T 為樣本數; R 2 為判定係數 (coefficient of determination),且 ARCH-LM 統計量 符合自由度為 q 的 χ 2 分配,其虛無假設為「序列無異質變異」 ,即 H 0 : β1 = … = β q = 0 。 若檢定結果不拒絕虛無假設,則序列無異質變異;若檢定結果拒絕虛無假設,則序列存 在異質變異。. (4) 序列相關檢定 (serial correlation test, SC test) 由於時間序列資料常出現自我相關的現象,若所估模型的殘差存在自我相關,即 使參數具有不偏性與一致性,但可能不具有效性,易導致所估參數檢定結果為不顯著, 過度拒絕了虛無假設而造成誤判。因此,當實證研究的資料為時間序列時,必須對所估 模型的殘差進行自我相關的檢定。考慮一模型,如下所示:. 23.

(31) yt = M ( zt ;ψ ) + ut , t = 1, …, T. (3.25). 我們將 (3.25) 式的殘差估計值對其落後至 q 期作迴歸,可得下式迴歸式:. ut = α ′ν t + ε t. (3.26). 其中, α = (α1 ,…, α q )′ ,ν = (ut −1 ,…, ut − q )′ , ε t ~ iidN (0, σ 2 ) 。序列相關檢定的虛無假設 為「殘差無序列相關」,即 α = 0 。檢定統計量為. FLM =. ( SSR0 − SSR1 ) q SSR1 (T − n − q ). (3.27). 其中, SSR0 為 STR 模型的殘差平方和, SSR1 為輔助迴歸式的殘差平方和, T 為總樣本 數, q 為落後期數, n 為參數個數。若檢定結果不拒絕虛無假設,則殘差無序列相關; 若檢定結果拒絕虛無假設,則殘差存在序列相關。. (5) 無剩餘其他非線性檢定 (no remaining nonlinearity test, NRN test) 藉由線性檢定選擇了最適當的非線性 STR 模型,但所選擇的模型可能仍存在非線 性的特性,因此,我們進行無剩餘其他非線性檢定,以確定所估計的非線性模型已無非 線性的特性。考慮 STR 模型中有兩個轉換函數,其模型如下:. yt = φ ′zt + θ ′zt G (γ 1 , c1 , s1t ) + ψ ′zt H (γ 2 , c2 , s2t ) + ut. (3.28). 其中,H (γ 2 , c2 , s2t ) 為轉換函數,其形式為 (3.15) 式,ψ = (ψ 0 ,ψ 1 ,… ,ψ m )′ 為參數向量,. ut ~ iidN (0, σ 2 ) 。與線性檢定中所面臨的問題相同,我們無法直接檢定 γ 2 = 0 ,因此使 用泰勒展開對 H (γ 2 , c2 , s2t ) 在 γ 2 = 0 展開至三階,可得與線性檢定中相似的輔助迴歸 式,形式如下: 3. yt = β 0′ zt + θ ′zt G (γ 1 , c1 , s1t ) + ∑ β j′ zt s2jt + ut* , t=1,…,T. (3.29). j=1. 其中, ut* = ut + ψ ′zt R3 (γ 2 , c2 , s2t ) , R3 (γ 2 , c2 , s2t ) 為剩餘多項式的近似值, s2t 為轉換變 數,可為 zt 中的變數,或為 s1t 。無剩餘其他非線性檢定的虛無假設為「無其他非線 性」 ,即 H 0 : β1 = β 2 = β3 = 0 ,若拒絕虛無假設,則所估模型尚存在其他非線性的特性; 若不拒絕虛無假設,則所估模型為適當的非線性 STR 模型,可適當地描述時間序列資 料的非線性特性。. (6) 參數不變性檢定 (parameter constancy test, PC test) 24.

(32) 參數不變性檢定是檢定所估參數是否會隨著時間趨勢變動而變動,若所估參數不 會隨著時間趨勢變動而變動,則稱之為參數具有不變性。當樣本期間較長時,為了降低 所估模型產生偏誤及預測發生問題,因此,我們進行參數不變性檢定,以確定所估模型 的參數不隨時間趨勢變動而變動。考慮 STR 模型中的參數會隨時間趨勢變動而變動, 其模型如下:. yt = φ (t )′ zt + θ (t )′ zt G (γ , c, st ) + ut , γ > 0. (3.30). 其中, φ (t ) = φ + λφ H φ (γ φ , cφ , t * ) , θ (t ) = θ + λθ Hθ (γ θ , cθ , t * ) , t * = t / T , ut ~ iidN (0, σ 2 ) , H φ (γ φ , cφ , t * ) 與 Hθ (γ θ , cθ , t * ) 為轉換函數,其形式為 (3.15) 式,且 st = t * 。由於. γ θ > 0 與 γ θ > 0 才可定義,我們無法直接檢定 γ φ = γ θ = 0,因此使用泰勒展開對 φ (t ) 與 θ (t ) 在 γ φ = γ θ = 0 展開至三階,可得與線性檢定中相似的輔助迴歸式,形式如下: 3. 3. j =1. j=1. yt = β 0′ zt + ∑ β j′{zt (t * ) j } + ∑ β ′j +3{zt (t * ) j }G (γ , c, st ) + ut*. (3.31). 參 數 不 變 性 檢 定 的 虛 無 假 設 為 「 參 數 不 隨 時 間 趨 勢 變 動 」, 即. H 0 : β j = 0, j = 1,… , 6 ,若拒絕虛無假設,則所估模型的參數會隨時間趨勢變動;若不 拒絕虛無假設,則所估模型的參數不會隨時間趨勢變動。. 3.2.7 樣本內配適 誤差均方根 (root mean square errors, RMSE) 原本是用來測量樣本外預測之能力, 但我們依據 Camacho (2004) 以 RMSE 值作為評估線性模型與非線性模型配適度的指 標,定義如下: RMSE =. 1 T ∑ ( yt − yˆt )2 T t =1. (3.32). 其中, T 為樣本資料個數; yˆt 為序列 yt 之估計值。RMSE 指標之值越小,則表示所估模 型與樣本資料的一致程度越高。. 25.

(33) 第四章. 實證結果與分析. 4.1 實證資料來源及處理 4.1.1 實證資料來源 本文實證研究的對象為東亞六國,包含了印尼、韓國、菲律賓、新加坡、泰國與 台灣 (以下簡稱為ID、KR、PH、SG、TH與TW)。6 所選取的資料期間為 1999 年 1 月至. 2007 年 10 月,由Datastream資料庫所取得的月資料。. 4.1.2 變數說明 由於資料庫中的消費者物價指數 (consumer price index, CPI) 與工業生產指數. (industrial production index) 的基期並不一致,因此先將此兩變數的基期調至以 2000 年 為基期。 本文所選取變數說明如下:. (1) 本國實質貨幣總額 貨幣總額經消費者物價指數平減後,以對數形式表示。. (2) 本國實質所得 因國內生產毛額 (gross domestic product, GDP) 只有季資料及年資料,並無月資 料,故依據 Prock et al. (2003) 以工業生產指數作為衡量 GDP 的代理變數,以對 數形式表示。但資料庫中無泰國及菲律賓的工業生產指數資料,故此兩國以製造 業生產指數 (manufacturing product index) 來代替。. (3) 本國利率 由於資料庫中無新加坡的貼現率,我們以其國庫券利率作為代替該國貼現率的變 數。其餘各國皆為貼現率。. (4) 外國利率 因歐元、日圓及美元 (以下簡稱為 EU、JP 與 US) 為國際上最為通用之貨幣,故 將此三種貨幣視為外國,討論此三國的利率水準對本國貨幣需求的影響。其利率. 6. 雖然馬來西亞亦是東亞重要的國家之一,但金融風暴發生後,馬來西亞於 1998 年 10 月至 2005 年 6 月 採釘住美元的匯率政策,3.8 馬來西亞幣兌 1 美元。若將之納入實證研究對象將導致樣本期間不足,故不 納入考量。而香港亦是東亞重要的經濟體,但香港於 1983 年 10 月至今,皆採行固定匯率制度,與美元 換算的比例介於 7.7 至 8.1 港元之間。因此,我們無法探討馬來西亞與香港的通貨替代現象。 26.

(34) 採用貼現率。. (5) 實質匯率 因歐元、日圓及美元為國際上最為通用之貨幣,故將此三種貨幣視為外國,討論 此三國的實質匯率對本國貨幣需求的影響。以對數形式表示。. 4.2 實證結果與分析 4.2.1 單根檢定 由於大部分的總體經濟變數為非定態序列,為了避免產生虛假迴歸的現象,在使 用時間序列資料進行實證研究前,必須先判斷變數是否為定態。由於常用的 ADF 與 PP 單根檢定在某些情況下的檢定力相當低,因此,本文使用 Elliott et al. (1996) 提出的. DF-GLS 單根檢定以判斷各變數是否為定態序列,該檢定可改善傳統 ADF 與 PP 單根 檢定的低檢定力問題。 表 4.1 為 DF-GLS 單根檢定的結果。由單根檢定的結果可知,在 5% 的顯著水準 下,在 EU、JP、US 中利率 r 變數的水準值皆為非定態序列,但經一階差分之後,則 為穩定序列,而在 ID、KR、SG、TW 中各變數的水準值也皆為非定態序列,但經一階 差分之後,則為穩定序列。由於這些變數具有相同的階次,因此,我們可用 VECM 探 討 ID、KR、SG、TW 中各變數間的長期均衡關係與短期動態調整。 而在 PH 中貨幣存量 M2 與實質所得 y 變數的水準值為定態序列,但對 EU、JP、. US 三國的實質匯率 q 變數則為非定態序列,由以上可知,在 PH 中各變數並無相同的 階次。同理,在 TH 中亦出現變數無相同階次的情形,因此,我們無法利用 VECM 探 討在 PH 與 TH 兩國中這些變數的相互關係。. 27.

(35) ID. KR. PH. SG. TH. TW. 外國. ID_M2 ID _q_EU ID _q_JP ID _q_US ID _r ID _y KR_M2 KR _q_EU KR _q_JP KR _q_US KR _r KR _y PH_M2 PH _q_EU PH _q_JP PH _q_US PH _r PH _y SG_M2 SG_q_EU SG_q_JP SG_q_US SG_r SG_y TH_M2 TH _q_EU TH _q_JP TH _q_US TH _r TH _y TW_M2 TW_q_EU TW_q_JP TW_q_US TW_r TW_y EU_r JP_r US_r. 截距、趨勢 -1.8355(0) -2.3981(0) -2.8541(0)* -2.7183(0) -2.6044(1) -2.4057(1) -1.1401(0) -1.5665(0) -1.9075(0) -1.3658(0) -0.5613(0) -1.4220(1) -3.1171(0)** -1.0210(0) -0.6516(0) 0.1905(0) -2.0328(0) -3.4130(0)** -0.6395(1) -1.2481(0) -1.7473(0) -0.7424(0) -2.0104(1) -2.4731(2) -3.5720(0)** -1.5883(0) -1.2117(0) -0.6042(0) -0.8228(3) -2.0286(12) -1.1103(10) -1.2473(1) -2.2335(0) -1.4870(0) -1.0590(3) -1.3595(12) -0.6886(0) -0.2423(0) -1.0906(1). 表 4.1 DF-GLS 單根檢定結果 水準值 差分值 截距 結果 截距、趨勢 截距 非定態 0.4906(0) -10.8311(0)*** 非定態 -8.8318(0)*** -1.3557(0) 非定態 -8.8763(0)*** -0.0793(0) 非定態 -10.0200(0)*** -0.7955(0) 非定態 -1.0017(1) -3.2314(0)** 非定態 -4.5367(1)*** -0.5179(1) 非定態 -9.3355(0)*** 3.6458(0) 非定態 -8.6237(0)*** -1.1906(0) 非定態 -10.1713(0)*** 1.1010(0) 非定態 -7.5845(0)*** 0.2188(0) 非定態 -11.1171(0)*** -0.9470(0) 非定態 -3.7454(2)*** 3.1175(1) 定態 非定態 -8.3593(0)*** -0.7606(0) 非定態 -7.6762(0)*** -0.0146(0) 非定態 -0.5329(0) -10.4312(0)*** 非定態 -9.0796(0)*** -0.5070(0) 定態 非定態 -8.5020(0)*** 4.0355(0) 非定態 -9.3477(0)*** -0.5641(0) 非定態 -10.4354(0)*** 0.0981(0) 非定態 -8.8302(0)*** -0.9864(0) -1.8105(1)* 非定態 -8.7041(0)*** 非定態 -14.1753(1)*** 0.5375(2) 定態 非定態 -8.6375(0)*** -1.0373(0) 非定態 -8.8254(0)*** 0.0855(0) 非定態 -10.8392(0)*** -0.7189(0) 非定態 0.1495(3) -1.6236(2) -0.1301(2) 非定態 1.3386(12) -1.3815(12) -0.6030(12) 非定態 0.0797(12) -1.1939(12) -8.3633(0)*** 非定態 -7.3411(0)*** -0.2201(1) 非定態 -7.8477(0)*** -1.3118(0) 非定態 -8.9187(0)*** -0.4822(0) 非定態 -0.7614(3) -3.0199(2)** 非定態 1.8894(12) -1.8064(12) -2.4972(12)** -1.8953(3)* 非定態 -3.5274(3)** 非定態 -9.9680(0)*** -0.6226(0) 非定態 -6.2198(0)*** -1.0572(1) -. 註:1. ( ) 中之值為由 Schwartz Information Criterion (SIC) 指標所選取的最適落後期數。 2. ***,**,* 分別表示在顯著水準為 1%,5%,10% 時,檢定結果為顯著。. 28. 結果 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 定態 非定態 非定態 定態 定態 定態 定態 定態 定態 定態 定態 定態.

參考文獻

相關文件

– Taking any node in the tree as the current state induces a binomial interest rate tree and, again, a term structure.... Binomial Interest Rate

• The binomial interest rate tree can be used to calculate the yield volatility of zero-coupon bonds.. • Consider an n-period

– at a premium (above its par value) when its coupon rate c is above the market interest rate r;. – at par (at its par value) when its coupon rate is equal to the market

– at a premium (above its par value) when its coupon rate c is above the market interest rate r;. – at par (at its par value) when its coupon rate is equal to the market

• Extension risk is due to the slowdown of prepayments when interest rates climb, making the investor earn the security’s lower coupon rate rather than the market’s higher rate.

• Extension risk is due to the slowdown of prepayments when interest rates climb, making the investor earn the security’s lower coupon rate rather than the market’s higher rate..

• Extension risk is due to the slowdown of prepayments when interest rates climb, making the investor earn the security’s lower coupon rate rather than the market’s... Prepayment

These activities provide chances for students to work on their own, to apply their economic concepts, to develop a critical attitude and, above all, to increase the interest of