匯率波動與外匯干預 - 政大學術集成

全文

(1)國立政治大學經濟學系碩士論文指導教授: 林馨怡博士. 匯率波動與外匯干預政治. 大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 研究生: 謝柏笙中華民國 104 年 8 月. v.

(2) 謝詞在論文即將完成之際, 回想在政大的這兩年時間裡的點點滴滴, 雖然路途上有許多的難關, 但是要感謝有一群扶持我度過這一切的人。首先要感謝我的指導教授林馨怡老師, 感謝老師在寫作論文上面給了我許多的建議, 並且在我遇到瓶頸的時候給了我很大的幫助。跟著老師讓我在這兩年的時間裡不只在學業上有所收穫, 也從老師的身上學習到了做事應有的態度。此外, 也感謝口試委員陳旭昇教授及陳釗而教授對於論文的寶貴意見, 對我的論文有很大的幫助。接著要感謝常常跟我一起窩在系圖的夥伴們, 跟你們一起在系圖裡奮戰的時. 政治大的哪個角落, 希望我們在未來都能有很好的發展。最後要感謝我的家人, 能繼立續升學唸研究所也是因為有你們在我背後做後盾, 在我遇到困難或是挫折時光一定是我這兩年中最寶貴的記憶。接著就要畢業了, 不論各自分散在地球上. ‧ 國. 學. 給了我倚靠, 謝謝你們總是在我背後默默的支持。謹將本篇論文獻給你們, 感謝你們這一路來的陪伴。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 謝柏笙 2015 年 8 月.

(3) 論文提要本文章使用 Lin (2010) 的動態追蹤資料分量迴歸 (DPQR) 來分析匯率波動與外匯干預之間的關係。此外, 本文更探討新興市場國家與非新興市場國家樣本間外匯干預對匯率波動的影響。實證結果發現, 匯率波動較低時與外匯干預較不具有顯著的正向關係, 然而當匯率波動較高時則與外匯干預呈現顯著的正向關係。此外, 在新興市場國家中, 可發現在高匯率波動下, 外匯干預與匯率波動之間為顯著的正向關係; 而非新興市場國家樣本所得到的結果為外匯干預與匯率波動之間在為不顯著的正向關係。. 立. 政治大. 關鍵字:匯率波動、外匯干預、追蹤資料、分量迴歸. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(4) 目錄 1 緒論. 1. 2 文獻回顧. 3. 3 計量方法. 9. 3.1. 追蹤資料模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 3.2. 分量迴歸方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. 3.3. 追蹤資料分量迴歸分析 . . . . . . . . . . . . . . . . . . . . . . . 11. 3.4. 動態追蹤分量迴歸分析 . . . . . . . . . . . . . . . . . . . . . . . 12. 立. 4 資料. 政治大. 14. ‧ 國. 學. 5 實證結果. 9. 20. 基本結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20. 5.2. 不同時期 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22. 5.3. 穩健性檢驗 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24. 5.4. 新興市場國家與非新興市場國家 . . . . . . . . . . . . . . . . . . 25. ‧. 5.1. sit. n. al. er. io 參考文獻. y. Nat. 6 結論. Ch. engchi. I. i n U. v. 27 28.

(5) 表目錄表1 全部國家敘述統計量 . . . . . . . . . . . . . . . . . . . . . . . . 18 表2 新興市場國家與非新興市場國家敘述統計量 . . . . . . . . . . . 19 表3 動態追蹤資料分量迴歸分析不放控制變數(1980:Q1–2014:Q3) . 32 表4 動態追蹤資料分量迴歸分析基本結果-全部國家(1980:Q1–2014:Q3) 33 表5 動態追蹤資料分量迴歸分析全部國家(1990:Q1–2014:Q3) . . . . 34 表6 動態追蹤資料分量迴歸分析全部國家(2000:Q1–2014:Q3) . . . . 35 表7 動態追蹤資料分量迴歸分析工具變數(一)(1980:Q1–2014:Q3) . . 36. 政治大表9 動態追蹤資料分量迴歸分析外匯干預(一)(1980:Q1–2014:Q3) . . 立表10 動態追蹤資料分量迴歸分析外匯干預(二)(1980:Q1–2014:Q3) . .. 表8 動態追蹤資料分量迴歸分析工具變數(二)(1980:Q1–2014:Q3) . . 37 38 39. ‧ 國. 學. 表11 動態追蹤資料分量迴歸分析 VIX 的差分 (1980:Q1–2014:Q3) . . 40 表12 動態追蹤資料分量迴歸分析新興市場國家(1980:Q1–2014:Q3) . 41. ‧. 表13 動態追蹤資料分量迴歸分析非新興市場國家(1980:Q1–2014:Q3) 42. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(6) 圖目錄圖1 外匯干預對匯率波動影響-基本結果 . . . . . . . . . . . . . . . . 43 圖2 外匯干預對匯率波動影響-1980:Q1–2014:Q3 . . . . . . . . . . . 43. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. III. i n U. v.

(7) 1 緒論穩定匯率波動對於一個國家的政策制定者是一項重要的議題, 匯率的過度波動會阻礙國際金融投資活動的進行。 Artus(1983),Brodsky(1984), Kumar(1992) 認為匯率波動會影響國內物價與他國的進出口貿易, 使貿易量下降, 對國際貿易產生負面的影響。穩定匯率波動的方法中以外匯干預最為直接並且被許多國家採用。 Ho et al.(2003) 認為外匯干預可用來強化貨幣政策、作為未來政策的信號, 當無法立即採用貨幣政策時, 外匯干預也可以用來解決政策兩難的問題。因此, 外匯干預對匯率波動的影響效果是探討穩定匯率波動的方法中一個. 政治大實證研究上, 外匯干預對匯率波動的影響效果一直沒有定論。 Hung(1997) 立. 重要的課題。. 研究外匯干預對於匯率的影響可以藉由適當的干預策略或是環境而達到增強. ‧ 國. 學. 的效果, 因此環境的不同, 外匯干預可能會對匯率波動有正或是負的影響。此外,McKenzie(2002)、Frenkel et al.(2005)、Edison et al.(2006)、Dominguez(2006). ‧. 研究認為外匯干預會增加匯率波動; Beine et al.(2003)、Benita and Lauterbach. io. er. 干預對匯率波動的影響效果尚無定論。. sit. y. Nat. (2007)、Berganza et al(2012) 則認為外匯干預降低匯率波動, 由此可知, 外匯. 許多研究在探討外匯干預對匯率波動的影響時, 發現在不同程度的匯率波. al. n. v i n 動之下, 外匯干預對匯率波動的影響效果會不同。 Beine et al.(2003) 認為在低 Ch U i e h n gc 匯率波動的狀況下, 央行的干預會造成匯率波動增加 ; 而高匯率波動的狀態下,. 如果央行採用共同干預 (Coordinated interventions), 才會使得匯率波動較為安定。 Benita and Lauterbach (2007) 認為較高匯率波動的國家會有較多的外匯干預。 Berganza et al(2012) 認為在匯率波動高的時候, 採用外匯干預可以使得匯率波動下降, 但是在匯率波動低的時候, 採用外匯干預可能會對匯率波動沒影響。因此, 本文建議使用分量迴歸的方式, 去研究在匯率波動高與匯率波動低的狀態之下, 採用外匯干預會對匯率波動的影響為何? 1.

(8) Koenker and Bassett(1978) 提出分量迴歸 (quantile regression) 方法, 可. 以完整的描述不同分量下, 解釋變數與被解釋變數間的關係。因此, 若以分量迴歸方法將可分析在不同匯率波動下, 外匯干預與匯率波動的關係。此外, 本論文以追蹤資料, 在加入國家的固定效果後, 應用 Koenker(2004) 所提出的追蹤資料分量迴歸法來探討兩者之間的關係, 因為考慮匯率波動的落後項, 故以 Lin(2010) 提出的動態追蹤資料分量迴歸方法進行分析。. 實證結果可以發現, 匯率波動具有持續性, 並且在高分量下波動的落後項係數值愈大。此外, 匯率波動較低時, 外匯干預對匯率波動的影響較不具有顯著的正向關係, 然而當匯率波動較高時, 外匯干預對匯率波動的關係呈現顯著. 政治大 Berganza et al(2012) 認為外匯干預會增加匯率波動的結果相同。其餘變數對立. 的正向關係。實證結果與 Beine et al.(2003), Edison et al.(2006), Dominguez(2006),. ‧ 國. 學. 匯率波動的影響結果如: 貿易開放會讓外匯波動上升, 並且從分量迴歸的結果得知貿易開放性對匯率波動的影響效果在各個分量下效果為正。經常帳對. ‧. 匯率波動的影響效果在低匯率波動時效果為負, 但是在高匯率波動時效果為正。通膨目標對匯率波動的影響從分量迴歸的結果得知在高分量之下為顯著. Nat. sit. y. 的正效果, 代表當匯率波動高的時候, 採用通膨目標反而會增加匯率波動。本. er. io. 文接著根據 IMF 的分類將樣本分成 16 個新興市場國家與 14 個非新興市場國. n. 家, 並發現新興市場國家與非新興市場國家外匯干預對匯率波動的影響 , 在所 a v. i l C n 有的分量下為正的效果, 但是非新興市場國家干預的效果不顯著。 hengchi U. 本論文內容安排如下, 第一節為緒論, 第二節為文獻回顧, 第三節為計量方. 法, 第四節為資料與模型, 第五節為實證結果, 最後一節為本論文結論。. 2.

(9) 2 文獻回顧匯率的過度波動會對國際貿易產生負面的影響, 阻礙國際金融投資活動的進行。因此, 穩定匯率波動對於一個國家的政策制訂者是一項重要的議題。從單一國家的角度而言, 匯率波動更是會影響國內物價與他國的進出口貿易。匯率波動會造成貿易量下降的理論假說最早出現在 Artus(1983),Brodsky(1984) 中。這個假說認為未預期的匯率變動會影響風險趨避的貿易者, 因此會造成進出口的量下降。此外,Broll(1994) 假設跨國廠商對於國外市場有獨佔力, 並且, 面對著匯率的不確定性, 這樣的匯率風險是無法被分散的, 所以在國外的. 政治大此 Kumar(1992) 使用了兩個國家的一般均衡模型, 並且每個國家生產兩種財立. 生產會因匯率的不確定性而下降。而大部分的模型設定都是部分均衡模型, 因貨, 有單一的勞動投入。接著假設本國在生產工業產品有比較利益, 外國則在. ‧ 國. 學. 生產農業產品有比較利益。 Kumar 認為匯率波動的增加與反向的技術進步概念相似, 因此一個國家裡面的製造業相對於農業會暴露於匯率的風險中, 這樣. ‧. 就會造成國與國之間的相對生產力產生差異, 並且降低國際貿易量。由上述文. sit. y. Nat. 獻可知, 大部分關於匯率波動與貿易的理論模型認為匯率波動會降低貿易量,. io. er. 這其中的原因可能為廠商是風險趨避廠商或為製造業, 亦可能是一國為風險趨避國家或是以製造業為主的國家。. al. n. v i n 此外, 研究匯率波動對貿易量影響的實證研究有 Hooper and Kohlhagen(1978), Ch U i e h n gc 他們使用名目匯率波動及名目風險, 並認為名目風險與名目匯率波動 , 相對價格相關。接著,Akhtar and Spence-Hilton(1984) 提出了匯率波動與貿易量之間為負向的關係, 並且分成因匯率波動造成利潤的不確定因而導致貿易量下降的直接效果, 廠商對於國內經濟的決定是偏誤的間接效果。作者使用的是 1974-1981 年美國與德國的季資料, 實證結果得出匯率的變動會降低德國與美. 國對外的貿易量。但是,Gotur(1985) 使用了實質匯率波動並且在同樣的架構底下得出相反的結果。 McKenzie and Brooks(1997) 使用 ARCH 模型去研究 3.

(10) 美國與德國的資料, 發現匯率波動與貿易量之間為正向關係, 並且分別使用名目匯率波動與實質匯率波動的結果相同。由過去的文獻可知匯率波動對一國的經濟或是貿易量有很大的影響, 因此許多國家會希望有穩定的匯率波動。穩定匯率波動的方法中以外匯干預最為直接並且被許多國家所採用。匯率干預的定義為貨幣當局在外匯市場上的任何外匯買賣, 以影響本國貨幣的匯率。但是央行採用外匯干預政策會對匯率水準與匯率波動有怎樣的影響, 一直沒有一個一致的觀點。 Dominguez(1998) 認為外匯干預對匯率水準與匯率波動的影響大致可以分為下列三種:(1) 外匯干預政策被認為對改變匯率水準是無效的, 並且會有增加匯率波動的負面影響。(2) 外匯干預政策被認為可以改. 政治大匯干預政策對匯率水準與匯率波動兩者都沒有影響。此外,Dominguez(2003) 利立變匯率水準, 並且可以使得失調的匯率市場穩定, 也就是降低匯率波動。(3) 外. ‧ 國. 學. 用個體理論預測干預會影響外匯的量與匯率的波動。當干預的資訊被完全公開時, 此時沒有不確定性, 匯率的波動會回到正常的水準。央行會干預的其中. ‧. 一個目標就是為了更正失調的市場, 因此可以降低市場波動。. 外匯干預對匯率波動的影響實證的研究很多。 Dominguez(1993) 研究 1982-. Nat. sit. y. 1988 年之間的外匯干預, 並發現外匯干預影響匯率的管道有兩個: 資產組合管. er. io. 道 (portfolio channel) 與預期管道 (expectations channel)。資產組合管道假設. n. 投資者將國內外的債券在其資產組合中視為不完全替代品 a v , 則外匯干預會透. i l C n 過資產組合管道影響匯率。預期管道則是當央行放出消息要干預貨幣時 , 在某 hengchi U 些狀況之下, 可能會造成投機者預期貨幣價格上升, 並且在當期多買, 所以會. 造成匯率就在當期改變。實證結果顯示, 在 1980 年中期, 美國聯準會與德國央行的外匯干預是透過資產組合管道來傳遞, 此結果是與 1980 年之前認為外匯干預是無效的結果相反。 Hung(1997) 研究外匯干預對於匯率的影響, 可以藉由適當的干預策略或是. 環境而達到增強的效果。他強調, 因為環境的不同, 外匯干預可能會對匯率波動有正或是負的影響。實證結果顯示在 1985 - 1986 年之間, 外匯干預會降低日 4.

(11) 圓對美元與馬克對美元的匯率波動, 因為當時美國財政赤字劇增, 對外貿易逆差大幅增長。美國希望通過美元貶值來增加產品的出口競爭力, 以改善美國國際收支不平衡狀況。此時採用波動降低的方針, 主要是為了要穩定已經向下趨勢的美元。但是實證結果在 1987-1989 年之間卻是增加匯率波動的, 這是由於此時美元已經在聯準會想要的目標水準了, 所以政策的目標移動是為了要維持匯率目標區間的隱密。 Dominguez(1998) 研究了 1977-1994 年匯率干預是否影響美國, 德國與日本的匯率波動。在布列敦森林協議破裂之後, 匯率干預是由各國自行決定。 Dominguez 的結論為美國, 德國與日本官方發佈的匯率政策在過去 18 年通常會有顯著的影響。祕密的干預會增加匯率波動, 但是公開宣布. 政治大期的匯率波動上升, 但在立1980 年代中期卻會是讓匯率波動下降的。. 的干預則會對匯率波動有不同的影響。公開宣布的干預在全樣本之下, 會讓長. ‧ 國. 學. Bayoumi and Eichengreen (1998) 將最適貨幣區與工業化國家的匯率連結,. 他們研究了 1963-1992 年總共 20 個工業化國家的資料, 發現一個國家有比較高. ‧. 的匯率變動是因為有較高不對稱的外生衝擊。而一個國家有比較穩定的匯率, 是因為對本幣價值下降有較大的反應, 並且與其貿易有關。貿易依賴較小的國. Nat. sit. y. 家在不對稱的衝擊發生時, 會因為匯率波動上升而採用外匯干預。此外,McKenzie(2002). er. io. 藉由金融市場波動存在了對外生衝擊有不對稱的假說, 研究了 1983 年 12 月 12. n. 日到 1997 年 12 月 31 日澳洲央行干預的日資料。實證的結果證明外匯干預對匯 a v. i l C n 率波動是有不對稱的影響, 當央行賣外匯時 , 會引發相對於平常買外匯時期更 hengch i U 高的匯率波動, 干預對匯率波動只有更加重的影響。也就是正負外匯干預對匯率波動存在不對稱的影響。 Dominguez(2003) 使用了 1987-1995 年之間美國的外匯市場作為研究的對. 象, 使用事件分析方法, 研究干預或是其他宣布對匯率的影響。實證的結果為當央行干預的訊息被所有的交易員所得知時, 美國聯準會干預會對馬克與日圓的日內匯率報酬與波動有顯著的影響, 此外, 有一些交易員會比較早得知央行要做干預的動作, 則干預的效果會持續一整天。美國聯準會對美元與歐元的 5.

(12) 干預通常會發生在市場一開市的時候。 Dominguez(2003) 的結果支持了央行干預會影響日內匯率報酬與日內匯率波動的假說。同時央行干預的效率須視交易員是否得知干預資訊後的市場狀況而定。 Beine et al.(2003) 使用馬可夫轉換模型 (Markov switching model) 研究央行外匯干預對於 1985-1995 年之間的馬克對美元與日圓對美元匯率週報酬的波動的影響效果。他們檢驗在不同的波動區間下, 外匯干預對匯率波動的影響, 並得到的實證結果為: 在低匯率波動的狀況下, 央行的干預會造成匯率波動增加; 而高匯率波動的狀態下, 如果央行採用共同干預, 才會使得匯率波動較為安定。 Frenkel et al.(2005) 使用官方發布的外匯干預資料, 研究日本央行的外匯. 政治大所做的正負外匯干預都是會增加匯率波動 , 但是正的外匯干預是顯著, 負的外立干預對日圓對美元外匯市場的影響。其結果顯示在 1993-2000 年期間日本央行. ‧ 國. 學. 匯干預為不顯著。此外當日本央行採取外匯干預的同時, 美國聯準會也同時干預時, 協調的干預不會造成匯率波動有顯著的上升。 Edison et al.(2006) 使用. ‧. 的資料為澳洲央行公布的 1984-2001 年的外匯干預月資料, 他們使用了事件分析法, 研究外匯干預對澳幣的直接影響效果, 並且發現澳洲央行沒有持續的一. Nat. sit. y. 直干預外匯。而在浮動匯率期間, 外匯干預操作會造成匯率波動增加並且可能. er. io. 會增加市場的不確定性。. al. v i n C ,h是否會因不同時間或是不同央行而有所不同。知道市場對於這些干預的反應 engchi U n. Dominguez(2006) 檢驗了在 1989-1995 年美國, 德國與日本的美元干預, 想. 他使用的是日內資料 (intra-daily) 並且用事件分析法檢驗央行干預對匯率波動的影響。實證結果為: 短期時, 央行執行外匯干預透過兩個管道影響匯率: 資. 產組合管道, 訊息管道, 並且, 外匯干預會使得匯率波動上升, 也就是說干預資訊的傳達無法解決市場不確定, 但是沒有證據顯示干預會影響長期匯率波動, 由此可知外匯干預影響長短期的匯率波動效果不對稱。 Benita and Lauterbach (2007) 利用 1990-2001 年總共 43 個國家的日匯率波. 動。研究匯率波動與實質開放性, 金融開放性, 國內經濟不確定性, 人均產值 6.

(13) 之間的關係。由追蹤資料模型的分析結果可得到匯率波動, 實質利率與外匯干預的強度之間有正的關係。這樣的正關係可能是因為每個國家不同的特性所引起: 一個有相對比較高匯率波動的國家會維持有較高的實質利率與較多的外匯干預。此外, 當一個國家採用的是彈性匯率區間, 或是國內不確定性上升都會使得匯率波動上升, 而國內財富則會降低匯率波動, 資本流動的管制並不會影響匯率波動。 Grossmann et al.(2014) 使用了 panel-VAR 方法估計 29 個國家的匯率波. 動。作者將總合波動拆成: 高, 中與低頻部分, 高頻部分是與短期貿易活動有關, 變動的時間在幾天或是幾星期之內, 可以被當作是不確定性與金融市場不. 政治大年都有可能。實證發現外生衝擊會對於高頻率波動與低頻率波動有不同的影立. 穩定的反應。中與低部分是代表景氣循環與趨勢部分, 變動的時間從幾月到幾. ‧ 國. 學. 響, 由此可知外生衝擊對於高頻率波動與低頻率波動有不對稱的影響。 Berganza et al(2012) 研究釘住通貨膨脹目標 (Inflation Target, 簡稱 IT),. ‧. 匯率干預, 匯率波動三者間的關係, 使用 37 個 IT 與不採用 IT 的新興市場國家, 資料的時間為 1995-2010 年季資料。他們的實證結果為: 1.外匯干預在 IT. Nat. sit. y. 國家會降低匯率波動, 在非 IT 國家則是不顯著的。並且負的干預在 IT 國與. er. io. 非 IT 國是對匯率波動有不一樣的影響。 2.IT國家的外匯干預都是顯著的, 並. n. 且正負干預有顯著的不一樣 a , 影響並不對稱。接著作者使用有移動窗口的追蹤 v. i l C n 資料模型 (panel using a six-quarter window) 分析了正負匯率干預會 h e nrolling gchi U 對 IT 國與非 IT 國家的隨時間變動的效果影響。他們得到的實證結果為: 外匯干預在 IT 國家能降低匯率波動, 但是對非 IT 國家採用外匯干預能否降低匯率波動保持存疑。由上述兩點可得知, 在匯率波動高的時候採用外匯干預可以使得匯率波動下降, 但是在匯率波動低的時候採用外匯干預可能會對匯率波動沒影響。根據 Beine et al.(2003), 在低匯率波動的狀況下, 央行的干預會造成匯率波動增加; 而高匯率波動的狀態下, 如果央行採用共同干預, 才會使得匯率波 7.

(14) 動較為安定。由 Berganza et al(2012) 可得知, 在不同匯率波動分量之下, 外匯干預對匯率波動的影響為不對稱。因此促成本篇研究想要使用分量迴歸的方式去研究在匯率波動高與匯率波動低的狀態之下, 採用外匯干預會對匯率波動的影響為何?. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 8. i n U. v.

(15) 3 計量方法 3.1 追蹤資料模型追蹤資料是針對橫斷面的對象連續觀察多期之後, 捕捉樣本時間序列的動態過程及橫斷面不同樣本間特性, 所以追蹤資料是一組包含了橫斷面及時間序列兩種特性的資料。追蹤資料能包含不同時期的個體資料可以使變異數增大, 減輕共線性問題。如果與單純的橫斷面與時間序列資料相比, 追蹤資料能包括較多的訊息如資料點變多, 自由度增加等。基本的追蹤資料模型設定如下: yit. 政治大 = α + x β + ε , i = 1, 2..., n, t = 1, 2, ..., T, 立 0. i. it. it. (1). ‧ 國. 學. 其中yit 是第 i 個觀察單位在第 t 期時的被解釋變數的樣本觀察值; xit 則是第 i 個觀察單位在第 t 期時的解釋變數, 其中包含了 k 個解釋變數的樣本. ‧. 觀察值;εit 則是第 i 個觀察單位在第 t 時期的隨機誤差, 並且假設 εit 的平均數為零, 變異數為固定常數, 且彼此呈現相互獨立的分配; 追蹤資料的主要. y. Nat. sit. 目的就是為了捕捉不同個體間的差異性,αi 的設定就是為了捕捉這個個別效. n. al. er. io. 果 (individual effect)。依照αi 設定的不同可以分成以下幾類:(1) 混合迴歸模型. i n U. v. (Pooled Regression);(2) 固定效果模型 (Fixed Effect Model);(3) 隨機效果模型 (Random Effect Model)。. Ch. engchi. 但是當模型包含了應變數的落後項, 就為一個動態追蹤資料的模型, 動態模型設定如下: 0. yit = αi + γyi,t−1 + xit β + εit , i = 1, 2..., n, t = 1, 2, ..., T. 其中αi 是一般的個別效果,γ 則是落後一期的yi,t−1 係數, 而αi 與εit 互相獨立。但是, 此時如果使用一般的 OLS 方式估出來的估計式是有問題的, 因為yit 與αi 是相關的, 所以yi,t−1 也與αi 相關, 儘管εit 沒有序列相關, 但是使用 OLS 方法的 9.

(16) 估計式是偏誤 (biased) 和不一致的 (inconsistent)。所以, 以下分別使用不同的方式來導出正確的估計式. 3.2 分量迴歸方法 Koneker and Basset (1978) 提出分量迴歸方法, 用來詳細分析整個條件分配每. 個特定分量下的邊際效果, 也可以說是探討在不同分位數之下, 解釋變數對被解釋變數的各種可能影響情況。由給定解釋變數不同的分量值, 來探討被解釋變數與解釋變數之間的關係, 而一個分量迴歸模型設定如下:. 政治大 0. yi = xi β(τ ) + ετ,i ,. 立. 其中 yi 是一個 1 × 1 的被解釋變數, xi 是一個 k × 1 的解釋變數, β(τ ) 為. ‧ 國. 學. k × 1 的參數向量, i = 1, ..., n ,ετ,i 為 1 × 1 的隨機誤差項。給定 τ 介於 0 和 1 之間, 在第 τ 個分量值下, 分量迴歸模型可以表示如下:. ‧. 0. Qyi (τ | xi ) = xi β,. Nat. y. 0. sit. 其中 Qyi (τ | xi ) = xi β 為 yi 的第 τ 個條件分量, 且 Qετ,i (τ | xi ) = 0 。. er. io. 當模型為線性模型時, 給定權重 τ 後, 極小化非對稱加權的誤差絕對值和,. n. ˆ ) , 其中欲極小化的目標函數如下: 則可以得到估計的第 τ a分量迴歸係數 β(τ v X. i l C n h n gX c h i(1U− τ ) | yi − xiβ | τ | yi − xi βe| + 0. {i:yi ≥x0i β } n X 0 = ρτ (yi − xi β).. 0. {i:yi <x0i β }. i=1. 其中 ρτ (·) 稱作檢查函數 (check function)。可以表示如下:   τα , 若 α ≥ 0, ρτ (α) =  (τ − 1)α , 其他 .. 10.

(17) 分量迴歸和傳統的 OLS(Ordinary least squares) 估計方法不同之處在於: OLS 方法是利用極小化殘差平方和來求出一組參數估計值, 而這組參數估計. 值只能描述解釋變數對被解釋變數的平均影響程度。但是 OLS 方法所估計出的係數是就「平均」而言, 並無法完全描述條件分配, 所以對資料的分析就被限制在平均上。除此之外 OLS 方法很容易受到極端值的影響, 所以當資料中存在極端值時, 很有可能會造成所估計的結果不準確。分量迴歸方法是給定任意的分量值 τ 為權數, 並且利用極小化誤差絕對值的加權和, 就可以求出一組 ˆ ) , 因此分量迴歸相對於 OLS 方法而言對於對應分量值 τ 的參數估計值 β(τ. 條件分配給予完整的描述, 並且更容易分析, 解釋變數對不同的被解釋變數分. 政治大. 量的影響程度, 也使得位於分配兩端的行為也容易分析。. 立. 學. ‧ 國. 3.3 追蹤資料分量迴歸分析具有固定效果的分量追蹤資料模型如下:. ‧. 0. yit = αi + xit β(τ ) + ετ,it ,. Nat. sit. y. 其中假設 yit 為被解釋變數, αi 為固定效果, xit 為解釋變數, β(τ ) 為參數,ετ,it 為. er. io. 隨機誤差項 ,i 代表觀察單位, i = 1, ..., N , t 代表時間, t = 1, ..., T 。其中αi 代. n. 表不同的觀察單位i不隨時間改變的固定效果 , 且αi 不隨著分量τ 有所不同, 表 a v. i l C n 示固定效果沒有分配上的變化。h在第 τ 個分量值下可以得到 : engchi U 0. Qyit (τ | xit , αi ) = αi + xit β(τ ) Qετ,it (τ | xit , αi ) = 0.. 如果要同時估計在 K 個分位下的參數β(τ1 ),β(τ2 ),...,β(τK )與αi 。則可以透過極小化下列目標式: K X T X N X. 0. wk ρτk (yit − αi − xit β(τk )),. k=1 t=1 i=1. 11.

(18) 其中ωk 則是控制各分量的權重, 也就是控制 K 個分量τ1 , τ2 , ..., τK 在估計上對於參數αi 的相對影響程度。但是當 n, 的維度很大時, 模型中就會有很多的αi 要估計, 所以不容易得到上式的解。一般針對有固定效果的追蹤資料模型, 都是以對 y 及 x 做離差, 也就是用觀察樣本值減去各組的平均值來消除 αi , 以用來解出 β 的估計值。但在分量迴歸中, 使用這樣的分解方法不太可行, 因使用平均值消去法在分量迴歸模型並沒有辦法解決問題。面對這樣的情形, Koenker (2004) 提出用 Shrinkage 方式來消除模型中的 αi , 也就是改成考慮下列目標式: K X T X n X. 政治大 0. wk ρτk (yit − αi − xit β(τk )) + λ. k=1 t=1 i=1. 其中P (α) =. Pn. i=1. 立. n X. | αi | .. i=1. | αi |為懲罰項,λ為一調控參數, 而這個λ是由研究者自行決. ‧ 國. 學. 定, 並非模型內生決定。當 λ → 0 , 我們就可以得到固定效果下的分量迴歸估計值; 當λ → ∞時, 對於i = 1, 2, ..., N ,ˆ αi → 0, 也就是固定效果會消失。 Lin et. ‧. al (2010) 在實證操作上發現, 考慮不同λ下的參數估計值, 不論是在哪一個分. sit. y. Nat. ˆ k )。量值下, 結果都相當接近, 因此習慣上將λ設為 1 來求解得到參數估計式β(τ. er. io. 3.4 動態追蹤分量迴歸分析. n. a l , 落後項可能會造成估計式的偏誤。在一個動態的追蹤資料模型中所以, 使用 iv n. C. h e n g c用來求解動態追蹤資料模型的估計兩階段配適值法(Fitted value approach), hi U. 式。一個有固定效果的動態追蹤資料分量迴歸 (DPQR) 可以表示如下: yit = αi + γ(τ )yit−1 + x0it β(τ ) + εit,τ , ∀i = 1, ..., N t = 1, ..., T. 其中,yit 為被解釋變數,αi 為固定效果,yit−1 為被解釋變數的落後項,xit 為外生的解釋變數, εit 為誤差項。其中,γ(τ )與β(τ )為第τ 個分量下所估出的參數,εit,τ 為在條件分量函數 Qεit,τ (τ | yit−1 , xit ) = 0之下的誤差項。由於分量迴歸並非線性迴歸, 所以不能用組內估計來消除固定效果。 Lin(2010) 建議使用兩階段 12.

(19) 配適值法來解決內生性問題, 步驟如下: 首先將具有內生問題的解釋變數落後項yt−1 對工具變數作迴歸: yit−1 = zit0 δ + υit. 其中,zit 為(dZ ×1)向量的工具變數,δ 為dZ ×1向量的待估參數,υit 為不可觀察的隨機變數。這裡可以使用解釋變數落後項的一階差分,∆yit−1 , i = 1, 2, ..., T − 1或是加入解釋變數xit 作為工具變數。例如∆yit−1 ,∆yit−2 可作為yit−1 的工具變 ˆ 再將估計值代替有內生性問題的被解釋變數落數。由此可以得出配適值 zit0 δ, ˆ )。後項yit−1 , 而後以追蹤資料分量迴歸作第二階段的估計可以得到β(τ. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 13. i n U. v.

(20) 4 資料本文使用的主要樣本資料期間為 1980 年第一季到 2014 年第三季 30 個國家的季資料, 資料來源為 Datastream , 國際貨幣基金 (International Monetary Fund, IMF) 的國際金融統計 (International Financial Statistics, IFS) 與 World economic outlook 資料庫。. 關於 1980-2014 年、1990-2014 年、2000-2014 年季資料的樣本國家, 及 1980-2014 年季資料的新興市場國家與非新興市場國家的匯率波動與模型中主要變數的敘述統計量逐一列於表 1。首先, 匯率波動變數我們參考 Carranza et al.(2009) 設定如下:. 立. 政治大 σ =σ ERit. rt. ‧ 國. 學. rt = 100 × (4 ln Et ). 其中,Et 是指名目匯率,∆是差分。 rt 為匯率的日報酬, 正值代表是國內的貨幣. ‧. 相對於美金為貶值。本論文使用一季之中匯率的日報酬計算季標準差, 並用來. y. Nat. 代表匯率波動。從表1 可以看出 1980–2014 年季資料樣本平均匯率波動為 0.61,. sit. 第一分位數是 0.35, 中位數是 0.57, 第三分位數是 0.70, 平均數高於中位數, 顯. er. io. 示為左偏。若從極大值、極小值及標準誤來看, 可以知道樣本中存在極端匯率. n. a l 1990–2014 年、2000–2014 年季資料所觀察到的資料波動且變動範圍很大, 這與 iv n U 型態相同。三個時間區間的樣本平均匯率波動介於 e n g c h i 0.59-0.61 之間, 並且平均數. Ch. 皆高於中位數、存在極端匯率波動影響平均值。表 2 將 1980–2014 年 30 個國家季資料樣本由 IMF 的分類區分成 16 個新興市場國家與 14 個非新興市場國家, 發現新興市場國家的匯率波動變動範圍較大, 並且平均匯率波動高於非新興市場國家, 由此可見新興市場國家的匯率較為不穩定。這樣的結果給予我們動機探討在新興市場國家與非新興市場國家之間, 外匯干預對匯率波動的關係趨勢是否一致。. 14.

(21) 本文另外一個重要的變數為外匯干預。首先, 根據 Berganza et al(2012) 定義RES 為代表外匯存底佔以美元計價的名目產出的比率, ∆RES 為本期RES 與落後一期RES 差, 當∆RES 大於 0 則代表央行買外幣,∆RES 小於 0 則代表央行賣外幣, 使用∆RES 外匯存底的累積或損失來代表一個國家的外匯干預。但是使用∆RES 的壞處就是無法得知外匯存底的變動是實際外匯市場的干預, 還是有其他的原因。從表 1 可以看出,1980–2014 年季資料平均外匯干預為 0.0047, 第一分位數是-0.0141, 中位數是 0.0000, 第三分位數 0.0173, 由平均數大於中位數, 資料為左偏分配, 這與 1990–2014 年、2000–2014 年季資料所觀察到的資料型態相同。此外, 從表 2 可以看到新興市場國家平均外匯干預為 0.0072, 非. 政治大匯干預的政策時, 平均而言都以買外幣、賣本幣為主, 並且新興市場國家相較立新興市場國家平均外匯干預為 0.0017。因此, 可以看出兩種國家央行在採取外. ‧ 國. 學. 於非新興市場國家的數量更大。. 本研究其他控制變數定義如下: 貿易開放性是用來衡量國家與外國貿易的. ‧. 頻繁程度, 一個國家有較高的貿易開放性代表與國外有頻繁的貿易往來, 因此會與匯率波動會有密切的關係。開放性的定義為進出口佔 GDP 的比率, 從表 1. Nat. sit. y. 中可以看出 1980–2014 年季資料樣本平均開放性為 82.52, 第一分位數是 46.47,. er. io. 中位數是 65.24, 第三分位數是 100.59, 由平均數大於中位數, 資料為左偏分. n. 配, 與其餘兩個時間區間資料型態相同。此外, 從表中 1980–2014 年季資料樣本 a v. i l C n 平均開放性為 82.52、1990–2014h 年季資料樣本區間平均開放性為 85.95、 2000– engchi U. 2014 年季資料樣本平均開放性為 90.22 可以看出樣本中國家對外貿易愈來愈開. 放。由表 2 中, 新興市場國家平均開放性為 89.86、非新興市場國家平均開放性為 74.14, 可以得知新興市場國家相較於非興市場國家有較高的對外貿易。經常帳是國際收支的主幹, 記載一國與外國包括因為商品、勞務、進出口以及投資所得、其他商品、勞務所得及片面移轉等因素所產生的資金流出和流入的狀況。經常帳和國際經濟發展國民所得及匯率變動有密切關係, 如果經常帳餘額是正數, 表示本國的淨國外財富或淨國外投資增加; 如果是負數, 表示本 15.

(22) 國的淨國外財富或投資減少。經常帳的順差通常主導匯率的下跌, 逆差則主導匯率的上升, 所以這裡納入經常帳作為控制變數。經常帳控制變數則採用經常帳佔 GDP 的比率, 從表 1 中可以看出 1980–2014 年季資料樣本平均經常帳佔 GDP 的比率為 2.69, 第一分位數是 -3.05, 中位數是-0.34, 第三分位數是 3.19。. 其餘兩個時間區間的平均經常帳也為正數, 代表在這三個時期中, 樣本中國家平均而言是淨國外財富或淨國外投資增加。由表 2 中新興市場國家平均經常帳為 4.46、非新興市場國家平均經常帳為 0.66, 可以得知新興市場國家相較於非興市場國家有淨國外財富或淨國外投資增加。人均購買力平價的國內生產總值與匯率波動的關係需要透過匯率的轉嫁效. 政治大物價的影響。根據恩格爾法則立 (Engel’s law), 在低所得國家, 在其消費籃中果 (Pass-through) 作為解釋。其中, 匯率的轉嫁效果指的是匯率變動對本國. ‧ 國. 學. 有比較高比重的貿易食品以及製造業產品, 因此可供貿易的製造品與農產品價格, 較容易受到匯率的影響而波動。反之, 高所得國家貿易食品以及製造業. ‧. 產品並未如低所得國家一樣佔很高的比重, 因此較不易受到匯率的影響而波動。由此可知, 在探討匯率波動的問題時, 需要將所得對匯率波動的影響納入. Nat. sit. y. 考量。人均產出的定義採用基於人均購買力平價的國內生產總值, 從表 1 可以. er. io. 看出 1980–2014 年季資料樣本平均人均購買力平價的國內生產總值為 5678.06,. n. 第一分位數是 2964.28, a 中位數是 5399.16, 第三分位數是 v 8009.04, 由平均數大. i l C n 於中位數, 資料為左偏分配。此外從表中 1980–2014 年季資料樣本平均值為 h e, n gchi U. 5678.06、1990–2014 年季資料樣本平均值為 6012.84、 2000–2014 年季資料樣本. 平均值為 6643.41 可以看出樣本中國家人均購買力平價的國內生產總值有上升的趨勢。由表 2 中, 新興市場國家平均人均產出為 3587.66, 非新興市場國家平均人均產出為 8067.09, 可以得知新興市場國家所得相對非新興市場國家要低。人口控制變數則採用自然對數人口數 (千人), 從表 1 看出 1980–2014 年季資料樣本平均人口為 74673.83 , 第一分位數是 9892.99, 中位數是 28703.00, 第三分位數是 63379.00。並且, 從表中不同的時間區間可以看出人口隨著時間有上 16.

(23) 升的趨勢。標準普爾 500 指數的波動 (VIX) 主要是用來恆量全球市場波動的大小與反應當時全球的經濟情勢, 因此會與匯率波動有密切的關係。表 1 可以看出平均 VIX 為 2809.96, 第一分位數是 1894.12, 中位數是 2762.89, 第三分位數是 3567.99, 由平均數大於中位數, 資料為左偏分配。通膨目標 (Inflation target,IT) 的部分則是參考 Little and Romano(2009) 與 Rose(2007) 對每一個. 新興國家建立了虛擬變數。使用虛擬變數來當作代表通膨目標, 當一個國家在當季有採用 IT 時為 1, 沒有採用通膨目標時為 0。由敘述統計可知匯率波動有明顯的極端值且分配不均, 此時若採用一般化最小平方法估計平均效果, 將會對極端值相當地敏感, 造成估計結果偏誤較大,. 政治大藉以排除極端值對估計的影響立 , 並且更能幫助我們了解匯率波動與外匯干預因此我們採用分量迴歸分析探討不同匯率波動分量下受到外匯干預影響程度,. ‧. ‧ 國. 學. io. sit. y. Nat. n. al. er. 之間的關係。. Ch. engchi. 17. i n U. v.

(24) 表 1: 全部國家敘述統計量 30 個國家 1980:1–2014:3. 均數. Q1. 中位數. Q3. 標準誤. 最小值. 最大值. 匯率波動. 0.61. 0.35. 0.57. 0.70. 0.01. 0.00. 22.47. 外匯干預. 0.0047. -0.0141. 0.0000. 0.0173. 0.0011. -0.6163. 2.2622. 開放性. 82.52. 46.47. 65.24. 100.59. 1.01. 10.03. 461.47. 經常帳. 2.69. -3.05. -0.34. 3.19. 0.30. -37.36. 270.52. 5678.06. 2964.28. 5399.16. 8009.04. 52.57. 309.71. 19072.02. 人口. 74673.83. 9892.99. 28703.00. 63379.00. 2724.75. 2414.00. 1259695.01. VIX. 2809.96. 1894.12. 2762.89. 1022.60. 5635.97. 人均產出. 政個國家治大 3567.99. 33. 立. 均數. 17.14. 1990:1–2014:3. Q1. 中位數. Q3. 標準誤. 最小值. 最大值. 0.36. 0.56. 0.70. 0.01. 0.00. 14.79. 外匯干預. 0.0053. -0.0153. 0.0005. 0.0199. 0.0016. -1.0411. 17.6138. 85.95. 51.00. 68.11. 100.11. 1.21. 11.17. 461.47. 1.36. -2.35. 0.04. 3.34. 0.14. -19.08. 84.22. 6012.84. 3208.61. 5327.58. 8610.94. 61.45. 428.27. 19072.02. 人口. 77878.10. 9986.00. 24727.00. 68229.00. 3186.56. 3047.00. 1259695.01. VIX. 2809.97. 1894.12. 2762.89. 3567.99. 20.01. 外匯干預. 0.0036. 中位數. 5635.96. 標準誤. 最小值. 最大值. 0.56 0.73 C h-0.0001 -0.0149 e n g c0.0171 h i U0.0021 54.94 70.84 105.02 1.49. 0.00. 6.20. -1.0411. 0.8952. 15.90. 461.47. n. 0.59. io. 匯率波動. Q1 a0.38 l. y. Nat. 均數. 33 個國家 2000:1–2014:3. 1022.60. sit. 人均產出. ‧. 經常帳. er. 開放性. ‧ 國. 0.60. 學. 匯率波動. Q3. iv n0.01. 開放性. 90.22. 經常帳. 1.29. -2.09. 0.29. 4.07. 0.14. -19.08. 32.07. 6643.41. 3689.90. 5860.23. 9436.44. 84.40. 626.82. 19072.02. 人口. 82462.41. 10000.00. 27100.00. 73476.50. 4440.89. 3790.00. 1259695.00. VIX. 3520.56. 2820.26. 3430.91. 3973.16. 19.21. 2092.03. 5635.96. 人均產出. 註 1: 樣本期間為 1980:1–2014:3 的季資料, 國家數共有 30 個。註 2: Q1 為四分位數第一分位數,Q3 為第三分位數。. 18.

(25) 表 2: 新興市場國家與非新興市場國家敘述統計量新興市場16 國 1980:1–2014:3 均數. Q1. 中位數. Q3. 標準誤. 最小值. 最大值. 匯率波動. 0.62. 0.21. 0.43. 0.73. 0.02. 0.00. 22.47. 外匯干預. 0.0072. -0.0185. 0.0005. 0.0261. 0.0018. -0.6163. 2.2622. 開放性. 89.86. 43.66. 62.15. 113.11. 1.75. 10.03. 461.47. 經常帳. 4.46. -1.40. 2.12. 0.54. -21.68. 270.52. 人均產出. -3.78. 立. 政治大. 2039.70. 3124.22. 4484.56. 58.73. 309.71. 19072.02. 人口. 114811.04. 16598.00. 43685.99. 83226.00. 4903.97. 2414.00. 1259695.01. VIX. 2809.97. 2432.05. 2809.97. 3315.76. 20.47. 1022.60. 5635.96. 匯率波動. ‧ 國. 外匯干預. 0.0017. -0.0098. -0.0002. 0.0084. 0.0010. y. 0.7014. 開放性. 74.14. 50.56. 67.38. 86.88. 0.80. 15.49. 207.21. 經常帳. 0.66. -1.83. 0.87. 3.83. sit. 學. 3587.66. 0.13. -37.36. 20.39. 7915.50. 9480.11. v 811.93 ni. 3724.03. 15983.24. 3401.00. 128065.00. 21.89. 1022.60. 5635.96. 中位數. Q3. 標準誤. 0.60. 0.53. 0.58. 0.64. 0.01. io. 人口. 28802.73. VIX. 2809.97. al. n. 8067.09. 6352.13. C h10040.00 56594.99 U e n g c3315.76 2432.05 2809.97 hi. 5368.00. 註 1: 樣本期間為 1980:1–2014:3 的季資料, 國家數共有 30 個。註 2: Q1 為四分位數第一分位數,Q3 為第三分位數。. 19. 最小值. 最大值. 0.08. 2.08. er. Q1. ‧. 均數. Nat. 人均產出. 非新興市場14 國 1980:1–2014:3. 51.85. -0.2849.

(26) 5 實證結果 5.1 基本結果許多文獻對於匯率波動與外匯干預之間的研究多採用單一國家的時間序列分析或是使用 OLS 方法, 分析外匯干預對於匯率波動的影響, 然而這樣的實證結果只針對了單一個國家並且是平均的概念來解釋外匯干預與匯率波動之間的關係 , 因此本文採用了動態追蹤資料分量迴歸模型, 來了解外匯干預對於各個分量下的匯率波動影響程度為何? 根據 Berganza et al(2012) 將模型修改為動態追蹤資料分量迴歸模型如下: σERit = αi + σERit−1. 立. 治 X 政 β (τ ) + ∆RESβ (τ ) 大 + δX 1. 2. j. jit. + εit (τ ). j. ‧ 國. 學. 其中σERit 是匯率波動,αi 為不隨時間變化的固定效果,σERit−1 是用來捕捉波動的持續性,RESit 是指外匯存底占 GDP 的比率, 是用來代表外匯干預,Xjit 是指. ‧. 六個控制變數, 包括貿易開放性, 經常帳, 人口數, 人均實質產出, 標準普爾 500 波動指數,ITit 是指通膨目標的虛擬變數,1 是採用 IT 的國家,0 是非採用 IT 的. y. Nat. sit. 國家,εit 是指隨機誤差項。. er. io. 本文實證只先考慮外匯干預對匯率波動的效果, 而不放入控制變數, 分別. n. al 使用動態追蹤資料分量迴歸法與 DGMM 方法。其中, i動態追蹤資料分量迴歸 v C. n. hen hi, U 以 Lin(2010) 所建議的兩階段配適值方法估計並且變異數估計是採用追蹤 gc. 資料拔靴抽樣法重複抽取 1,000 次計算而得。以每 0.1 分量進行一次分量迴歸, 總共執行九次分量迴歸式 ( 0.1 至 0.9 ), 基本結果分析中所估計的各分量及 DGMM 之係數值與檢定結果如表 3。為了清楚比較分量迴歸與 DGMM 方法. 估計結果的差異, 亦將前述各分量迴歸估計值與 DGMM 方法估計值描繪於圖 1, 橫軸為各個分量, 縱軸為估計所求得出的係數值。 DGMM方法所估計的結果為水平的虛線, 分量迴歸分析所得到的結果為實心的曲線, 上下兩條虛線的曲線為其 90% 的信賴區間。 20.

(27) 從表 3 跟圖 1 以 1980-2014 年季資料, 可以發現若是使用 DGMM 方法, 匯率波動的落後項 DGMM 係數值為 0.0657 並且顯著, 顯示匯率波動具有持續性, 上期匯率波動會延續至當期。而由動態追蹤資料分量迴歸方法的實證結果可以發現第 0.4 到第 0.9 分量的估計值顯著異於 0, 且在愈高分量下波動的落後項係數值愈大, 表示當一國匯率波動愈劇烈, 這種匯率波動會更強烈的持續到下一期。外匯干預對匯率波動的影響在 DGMM 的結果呈現正向關係, 顯示外匯干預會增加匯率波動。但是透過分量迴歸分析, 可以發現外匯干預對匯率波動的影響效果在第 0.1 分量時為不顯著的負值, 但是在其餘第 0.2 到第 0.9 分量下, 外匯干預對匯率波動的影響效果為正, 並且在第 0.7 到第 0.9 分量下, 外匯干預. 政治大從表 4 中可以看出將六個控制變數放入的實證結果 , 當使用 DGMM 法, 外立. 對匯率波動的影響是顯著的。. ‧ 國. 學. 匯干預對匯率波動的影響為不顯著的正向關係。然而, 使用 DGMM 方法的結果只能看出外匯干預對匯率波動影響的平均效果, 而從敘述統計量可以看出,. ‧. 在 30 個國家樣本中, 匯率波動有很廣泛的變動, 所以匯率波動很可能受到樣本極端值的影響, 導致估計結果有偏差。因此, 使用動態追蹤資料分量迴歸方法,. Nat. sit. y. 探討在不同分量下外匯干預對匯率波動的影響。動態追蹤資料分量迴歸方法. er. io. 的結果中, 外匯干預對匯率波動的影響效果在第 0.1 到第 0.9 分量為正, 但是在. n. 第 0.1 到第 0.8 分量下明顯低於 , 在第 0.9 a DGMM 的結果, 而隨著分量逐漸增加 v. i l C n 分量時, 外匯干預對匯率波動的影響效果加大 U DGMM 法的結果。從 h e n g c h i, 遠高於. 表中可以得知在高低不同的匯率波動下, 外匯干預的效果並不一致。高匯率波動下, 外匯干預增加匯率波動效果較大, 低匯率波動下則增加匯率波動的效果較小, 因此如果只從 DGMM 的結果來看, 只能看出平均效果, 並無法了解實際上外匯干預對匯率波動的真實情況。如同 Beine et al.(2003) 認為在低匯率波動的狀況下, 央行的干預會造成匯率波動增加的結果相同。從表 4 中可以看出貿易開放性對匯率波動的影響效果在所有分量之下效果皆為正, 這代表當一個國家較高的貿易開放會讓外匯波動上升, 但是從分量迴 21.

(28) 歸的結果得知貿易開放性對匯率波動的影響效果在各個分量下沒有太大的變動。經常帳對匯率波動的影響效果在第 0.2 到第 0.5 分量效果為負 , 代表在低匯率波動時, 經常帳可以降低匯率波動, 但是在第 0.6 到第 0.9 分量效果為正, 代表在高匯率波動時, 經常帳會增加匯率波動。人均產出對匯率波動的影響在 DGMM 的結果中為顯著的負效果, 代表人均產出上升會使得匯率波動下降,. 但是從分量迴歸的結果得知在低匯率波動時, 人均產出對匯率波動的影響效果為正, 只有在第 0.5、第 0.6、第 0.9 分量時效果為負。人口對匯率波動的影響效果在所有分量下效果為正, 這代表當人口上升時會使得匯率波動上升, 並且在高分量之下, 人口對匯率波動的影響效果大於低分量之下的效果。標準普爾. 政治大之下為顯著的負效果, 這代表在低匯率波動時 , 標準普爾 500 指數的波動會降立. 500 指數的波動 (VIX) 對匯率波動的影響效果為負, 並且在第 0.1 到第 0.3 分量. ‧ 國. 學. 低匯率波動。通膨目標對匯率波動的影響在 DGMM 的結果中為不顯著的負效果, 但是從分量迴歸的結果得知在第 0.6 到第 0.9 分量之下為顯著的正效果,. ‧. 這樣的結果代表了當匯率波動高的時候, 採用通膨目標反而會增加匯率波動, 因為此時匯率波動的幅度過大, 央行的首要目標應該要在穩定外匯市場而非. Nat. sit er. io. 5.2 不同時期. y. 放在通膨目標上。. al. n. v i n Ch 外匯干預對匯率波動的影響可能會隨著不同時期而有不同的影響 ,Dominguez(1998) engchi U 研究了 1977-1994 年匯率干預是否影響美國, 德國與日本的匯率波動。並且得. 到公開宣布的干預在全樣本 1977-1994 年之下會讓長期的匯率波動上升, 但在 1980 年代中期卻會是讓匯率波動下降的。 Berganza et al.(2012) 分別研究了 1995-2010 年季資料與 2000-2010 年季資料兩個不同的時期, 並且發現 IT 國. 家在 1995-2010 年季資料之下, 外匯干預對匯率波動的影響效果為正, 但是在 2000-2010 年季資料樣本中, 外匯干預對匯率波動的影響效果由正轉負, 所以. 不同時期外匯干預對匯率波動的影響可能會改變。 22.

(29) 本論文將樣本資料分成 2 個不同時期,1990-2014 年季資料樣本共 33 國,20002014 年季資料樣本共 33 國。以 1990-2014 年季資料為樣本, 可以從表 5 發現外. 匯干預對匯率波動的影響效果在第 0.1 到第 0.5 分量為正, 在第 0.6 到第 0.8 分量為負效果, 但是在第 0.9 分量效果轉為正。在高低兩端的匯干預對匯率波動的效果要較中間分量的效果還要大但是效果皆不顯著。實證結果與基本結果不同之處在第 0.6 到第 0.8 分量為負效果, 代表此時採用外匯干預會使得匯率波動下降。這樣的結果與 Berganza et al(2012) 認為在低匯率波動時, 外匯干預會增加匯率波動, 但是在高匯率波動時, 外匯干預會降低匯率波動的結果相同。這樣的結果顯示了當匯率波動的幅度不是過高時, 採用外匯干預有可能可. 政治大匯率波動的影響在第 0.1立到第 0.5 分量效果為正, 在第 0.6 到 0.7 分量效果為負,. 以降低匯率波動。而以 2000-2014 年季資料為樣本, 可以從表 6 發現外匯干預對. ‧ 國. 學. 隨後在第 0.8 到第 0.9 分量時效果轉為正。在高低兩端的的匯干預對匯率波動的效果要較中間分量的效果還要大並且高分量的正效果較低分量還要大, 但. ‧. 是效果皆不顯著。. 此外, 從 1980-2014 年季資料的結果可以觀察到在低分量時 VIX 對匯率波. Nat. sit. y. 動為顯著的負向效果, 並且在高分量時外匯干預為顯著的正效果。接著觀察. er. io. 1990-2014 年季資料與 2000-2014 年季資料的結果, 也可以發現當 VIX 為顯著. n. 的負效果時, 外匯干預的效果變得不顯著。這背後可能隱含著在 1980-2014 年 a v. i l C n 季資料時期, 此時美國股市對於各國的匯率波動影響的效果沒有比各國的干 hengchi U. 預還要強烈, 但是隨著時間愈往近代, 美國股市的影響力日漸上升, 因此在 19902014 年季資料與 2000-2014 年季資料的結果中可以看到, VIX相較於各國的外. 匯干預而言更能影響到匯率波動。從不同樣本資料的實證結果可以得到的共通點為在高分量下, 外匯干預對匯率波動的效果都會大於在低分量下的效果。此外, 在 1980-2014 年季資料的基本結果中可以發現所有分量的效果皆為正, 這與 1990-2014 年,2000-2014 年季資料子樣本在中間分量效果為負的結果不同。而 1990-2014 年,2000-2014 年 23.

(30) 季資料子樣本與 Berganza et al(2012) 所認為在高匯率波動下, 採用外匯干預應該要能降低匯率波動相似。但是三個不同時期樣本與 Beine et al.(2003) 認為在低匯率波動的狀況下, 央行的干預會造成匯率波動增加的結果相同。. 5.3 穩健性檢驗本論文接著考慮不同的工具變數是否會使外匯干預對匯率波動有不同的影響, 動態追蹤分量迴歸使用的兩組工具變數如下: 1.工具變數 (一): 匯率波動落後一期的差分, 匯率波動落後二期的差分。 2.工具變數 (二): 匯率波動落後一期的差分, 匯率波動落後二期的差分, 匯率波動落後三期的差分。以 1980-2014. 政治大影響從第 0.1 到第 0.9 分量效果為正 , 並且在第 0.2 到第 0.6 分量之間此外, 在最立. 年季資料為樣本, 使用工具變數 (一), 可以從表 7 發現外匯干預對匯率波動的. ‧ 國. 學. 低與最高兩端的分量皆比中間分量還要大, 並且最高分量外匯干預對匯率波動的效果比最低分量還要高。外匯干預對匯率波動的正效果在第 0.2 到第 0.3. ‧. 分量與第 0.7 到第 0.9 分量都是顯著。使用工具變數 (二), 可以從表 8 發現外匯干預對匯率波動的影響從第 0.1 到第 0.9 分量都為正效果。這與使用工具變數. Nat. sit. y. (一) 所得到的結果一樣, 並且在第 0.3 分量, 第 0.8 到第 0.9 分量之間皆為顯著. 上升, 並且在採用不同的工具變數下結果是穩健的。 a. er. io. 的正效果。這樣的結果顯示匯率波動高的時候, 採用外匯干預會使得匯率波動. n. iv l C n 另外, 本文還採用不同計算方式的外匯干預做穩健性檢驗。使用的兩種方 hengchi U. 式如下: 1.外匯干預 (一): 外匯干預為當期外匯存底與落後兩期的外匯存底差。 2.外匯干預 (二): 外匯干預為當期外匯存底與落後三期的外匯存底差。以 1980-2014 年季資料為樣本, 使用外匯干預 (一), 可以從表 9 發現外匯干預對匯. 率波動的影響在第 0.1 分量為負效果, 隨後的第 0.2 到第 0.9 分量呈現遞增的正效果, 並且在第 0.7 到第 0.9 分量為顯著的正效果。此外在最高端的分量比最低與中間分量的效果還要強烈。使用外匯干預 (二), 可以從表 10 發現在第 0.1 到第 0.2 分量為負效果, 並且在第 0.7 到第 0.9 分量為顯著的正效果。由外匯干預 24.

(31) (一) 與外匯干預 (二) 的結果可以看出採用外匯干預是會增加匯率波動, 並且. 結果是穩健的。本文所採用的控制變數中,VIX 為時間序列資料, 可能為非定態資料, 因此我們使用 VIX 的一階差分作為穩健性檢測。 1 從表 11 可以看出, 外匯干預對匯率波動的影響在 DGMM 的結果為正向關係, 代表外匯干預會增加匯率波動。但是從分量迴歸的結果可以看出外匯干預對匯率波動的影響效果在第 0.8 與第 0.9 分量之下為顯著的正效果。結果與前述的基本結果相同, 顯示在採用 VIX 的一階差分後結果也是穩健的。這樣的結果與 Frenkel et al.(2005),Edison et al.(2006), Dominguez(2006) 認為外匯干預會增加匯率波動的結果相同。. 5.4. 政治大新興市場國家與非新興市場國家立. ‧ 國. 學. Berganza et al(2012) 研究了 37 個新興市場國家, 得知在匯率波動高的時候, 採. 用外匯干預可以使得匯率波動下降, 但是在匯率波動低的時候, 採用外匯干預. ‧. 可能會對匯率波動沒影響。其中, 新興市場國家指的是是一個相對於歐洲, 美洲等這些先進國家而言的概念。新興市場國家擁有成為先進國家的潛力, 並且. Nat. sit. y. 擁有一定的工業基礎及一定程度的市場機制。但是新興市場經濟體通常比工. er. io. 業化經濟體更易受到匯率波動的影響。因為新興市場經濟體在所得較低而通. n. 膨較高下之消費型態較為脆弱 a , 所以新興市場經濟體會比工業化國家更需要 v. i l C n 在決策時考慮匯率因素。所以在研究外匯干預對匯率波動的影響時 , 新興市場 hengchi U 國家是一個重要的課題。並且由表 2 的敘述統計得知新興市場國家的匯率波動. 變動範圍較大, 平均匯率波動高於非新興市場國家, 並且新興市場國家採用外匯干預的數量高於非新興市場國家, 因此促成本文根據 IMF 的分類將樣本分成 16 個新興市場國家與 14 個非新興市場國家。 1. ADF單根檢定結果為τ =-0.7958, 代表資料為非定態資料。對 VIX 做一階差分後, 採用 ADF 單根檢定結果為τ =-7.6428, 代表資料為定態資料。. 25.

(32) 從表 12 的結果顯示, 新興市場國家匯率波動的落後項 DGMM 係數值為 0.1642 並且顯著, 代表匯率波動有持續性。從動態追蹤分量迴歸的結果得知在. 愈高分量下波動的落後項係數值愈大, 表示新興市場國家匯率波動愈劇烈, 這種匯率波動會更強烈的持續到下一期。外匯干預對匯率波動效果的 DGMM 係數值為 0.3668, 代表外匯干預平均而言會增加匯率波動, 而動態追蹤分量迴歸的結果為在所有的分量下效果為正, 並且在第 0.4 分量, 第 0.5 分量, 第 0.8 分量, 第 0.9 分量下為顯著的正效果, 可以看出新興市場國家的外匯干預對匯率波動的影響效果為正。從表 13 的結果顯示, 非新興市場國家匯率波動的落後項的分量迴歸結果為愈高分量下波動的落後項係數值愈大, 這與新興市場國家. 政治大數值為 0.1263, 代表非新興市場國家外匯干預會增加匯率波動 , 但是從分量迴立. 的結果相同, 代表匯率波動有持續性。外匯干預對匯率波動效果的 DGMM 係. ‧ 國. 學. 歸的結果可以看出外匯干預對匯率波動的影響在所有的分量下效果為正, 並且干預的效果不顯著。由此可知外匯干預對匯率波動的影響在新興市場與非. ‧. 新興市場國家在所有分量下效果皆為正, 但是只有新興市場國家在高分量之下外匯干預對匯率波動的正效果為顯著。這樣的結果與在全樣本之下, 在高分. Nat. sit. y. 量外匯波動之下, 外匯干預對匯率波動的影響為顯著的正效果一樣。並且, 這. er. io. 樣的結果與 Frenkel et al.(2005),Edison et al.(2006),Dominguez(2006) 認為外. n. 匯干預會增加匯率波動的結果相同。 a. iv l C n hengchi U. 26.

(33) 6 結論本論文使用動態追蹤分量迴歸方法來探討外匯干預與匯率波動的關係, 透過這種方法可以觀察到不同分量下外匯干預與匯率波動之間存在異質性的關係, 而這種異質性是過去文獻使用傳統平均數迴歸分析法所無法觀察到的。實證結果發現在使用 DGMM 方法時, 外匯干預對匯率波動的關係並不顯著, 然而使用動態追蹤資料分量迴歸模型後可發現匯率波動較低時與外匯干預較不具有顯著的正向關係, 然而當匯率波動較高時則與外匯干預呈現顯著的正向關係。此外, 本文嘗試探討不同國家型態下, 外匯干預與匯率波動之間的關係,. 政治大匯干預與匯率波動之間為顯著的正向關係, 而非新興市場國家樣本所得到的立在新興市場國家中, 使用動態追蹤分量迴歸模型, 可發現在高匯率波動下, 外. 結果為外匯干預與匯率波動之間在為不顯著的正向關係。從本文結果來看, 外. ‧ 國. 學. 匯干預與匯率波動之間的關係, 大致上只有當匯率波動較高時, 才與外匯干預具有顯著的正向關係。採取動態追蹤分量迴歸模型, 可以給予我們對外匯干預. ‧. 與匯率波動更完整的分析。. sit. y. Nat. 本論文的研究限制在於許多國家並未公佈官方確切的干預資料, 因此本研. io. er. 究使用外匯存底的變動來作為外匯干預的替代。但是實際上外匯存底的變動無法完全捕捉官方外匯干預的正確數量。此外, 本論文並未考慮沖銷的部分,. al. n. v i n 許多國家在做外匯干預的同時 , 因此採取適當 C,h為避免影響國內流動性與利率 U i e h n gc 的貨幣政策作為沖銷。未來的研究期盼更多國家央行可以公佈官方干預的歷史資料, 以供研究為目的, 並且可以將沖銷的因素納入考量作更深入的研究。. 27.

(34) 參考文獻 Artus, J. R.(1983).Toward a more orderly exchange rate system, Finance and Development, 20 , 10-13 Akhtar,M.A.,Spence-Hilton,R.(1984).Effects of exchange rate uncertainty on German and U.S. trade, Quarterly Review,(New York:Federal Reserve Bank of New York,Spring), 7-16 Andersen,T.G.,Bollerslev,T.(1998).Answering the sceptics: yes standard volatility models do provide accurate forecasts, International Economic Review, 39 , 885-905.. 立. 政治大. Cameron,A.C., Pravin K. Trivedi(2005).Microeconometrics: Methods and Ap-. ‧ 國. 學. plications, Cambridge University Press, 697-778.. Brodasky,D.A.(1984).Fixed versus flexible exchange rates and the measure-. ‧. ment of exchange rate instability, Journal of international economics, 16 ,. sit. y. Nat. 295-306.. io. al. n. Papers, 62 , 1-6. er. Broll,U.(1994).Foreign production and forward markets, Australian Economic. Ch. i n U. v. Bayoumi,T.,Eichengreen,B.(1998).Exchange rate volatility and intervention:. engchi. implications of the theory of optimum currency areas, Journal of International Economics, 45 , 191-209. Beine,M.,Laurent,S.,Lecourt,C.(2003).Official central bank interventions and exchange rate volatility: Evidence from a regime-switching analysis, European Economic Review , 47 , 891-911. Benita,G.and Lauterbach,B.(2007). Policy Factors and Exchange Rate Volatility: Panel Data versus a Specific Country Analysis, International Research 28.

(35) Journal of Finance and Economics, 7-23 Berganza,J.C.,Broto,C.(2012).Flexible inflation targets, forex interventions and exchange rate volatility in emerging countries, Journal of International Money and Finance, 31 , 428-444 Carranza,L., Galdon-Sanchez, J.E., Gomez-Biscarri, J.(2009). Exchange rate and inflation dynamics in dollarized economies, Journal of Development Economics, 89 , 98-108. Dominguez,K.M.(1993).Does Foreign-exchange intervention matter?the port-. 治政 Dominguez,K.M.(1998).Central bank intervention大 and exchange rate voatility. 立 Journal of international money and finance, 17 , 161-190. folio effect, The American Economic Review, 83 , 1356-1369.. ‧ 國. 學. Dominguez,K.M.(2003).The market microstructure of central bank intervention, Journal of International Economics, 59 , 25-45.. ‧. Dominguez,K.M.(2006).When do central bank interventions influence intra-. Nat. io. er. Money and Finance, 25 , 1051-1071. sit. y. daily and longer-term exchange rate movements? Journal of International. al. v i n C h International UJournal of finance and Ecotralian dollar:has it mattered? engchi nomics, 11 , 155-171. n. Edison,H.,Cashin,P.,Liang,H.(2006).Foreign exchange intervention and the Aus-. Frenkel,M.,Pierdzioch,C.,Stadtmanna,G.(2005).The effects of Japanese foreign exchange market interventions on the yen-U.S. dollar exchange rate volatility, International Review of Economics and Finance, 14 , 27-39. Gotur(1985).Effect of exchange rate volatility on trade:some further evidence, IMF Staff papers. 29.

(36) Grossmann,A.,Love,I.,Orlov,A.G.(2014). The dynamics of exchange rate volatility: A panel VAR approach, Journal of International Financial Markets, Institutions and Money , 33 , 1-27 Hooper,P,Kohlhagen,S(1978).The effect of exchange rate uncertainty on the price and volume of international trade,Journal of international economics, 8 , 483-511 Hung,J.(1997).Intervention strategies and exchange rate volatility: a noise trading perspective,Journal of International Money and Finance, 16 , 779793.. 治政 Hau,H.(2002). Real exchange rate volatility and 大 economic openness: Theory 立of Money, Credit and Banking, 34 , 611-630 and evidence, Journal ‧ 國. 學. Ho,C., McCauley,R.N.(2003). Living with flexible exchange rates: issues and recent experience in inflation targeting emerging market economies,BIS. ‧. Working Paper. sit. y. Nat. Jeffrey M.Wooldridge (2010). Econometric Analysis of Cross Section and Panel. io. al. er. Data, MIT Press, 247-338.. n. Koenker, R. and G. Bassett (1978). Regression Quantiles, Econometrica, 46 , 33-50.. Ch. engchi. i n U. v. Kumar,V(1992).Real effects of exchange risk on international trade,Working paper , 92-95 Koenker, R. (2004). Quantile Regression for Longitudinal Data, Journal of Multivariate Analysis, 91 , 74-89. Little, J.S., Romano, T.F.(2009). Inflation targeting-Central bank practice overseas,Federal Reserve Bank of Boston, Public Policy Briefs, 08-1 , 1-30.. 30.

(37) Lin, H.(2010). Endogeneity in Panel Data Quantile Regression Models: a Fitted Value Approach, mimeo, National Chengchi University. Lin, H. Y., and Chen, P. Y., (2010). The relation between inflation and trade openness: the application of panel data quantile regression, Academia Economic Papers, 38:1 , 1-32. McKenzie and Brooks(1997).The impact of exchange rate volatility on GermanU.S. trade flows, Journal of international financial markets,institutions and money, 7 , 73-87.. 治政 trade flows, Journal of economic Surveys, 71-106 大立 McKenzie,M.(2002).The economics of exchange rate volatility asymmetry, In-. McKenzie M.D.(1999).The impact of exchange rate volatility on international. ‧ 國. 學. ternational Journal of Finance and Economics, 7 , 247-260. Rose,A.(2007).A stable international monetary system emerges:inflation tar-. ‧. geting is Bretton Woods,revisted, Journal of international money and fi-. sit. y. Nat. nance, 26 , 663-681.. io. n. al. er. William H. Greene (2011). Econometric Analysis , Prentice Hall, 343-431.. Ch. engchi. 31. i n U. v.

(38) (0.0917). 0.4057*. (0.1691). (0.0378). (0.0231) -3.61×10−11. 0.0447. 0.0657**. 0.1. engchi 0.3 0.0513 (0.0479) 8.88×10−2 (0.0541). 0.2 0.0301 (0.0477) 1.13×10−1 (0.1192). er. v. y. 註 2: *,**,***之係數分別代表該係數在顯著水準 0.1 , 0.05 , 0.01 下顯著異於零。. sit. 註 1: 表中的全部國家意指本文 1980:Q1-2014:Q3 年所使用的 30 個國家的資料樣本。. i n U. ‧. 32. 外匯干預. 落後一期匯率波動. Ch (0.0393). 5.98×10−2. (0.0470). 0.0861*. 0.4. 分量. 學. n. DGMM. io. al. 被解釋變數: 匯率波動. Nat. 0.5. (0.0091). 2.26×10−11. (0.0464). 0.0844*. (0.0443). 3.54×10−10. (0.0448). 0.0844*. 0.6. (0.0424). 1.07×10−1∗∗. (0.0501). 0.0948*. 0.7. 表 3: 動態追蹤資料分量迴歸分析不放控制變數(1980:Q1–2014:Q3). ‧ 國立政治大. (0.0688). 1.20×10−1∗. (0.0424). 0.1325***. 0.8. (0.2292). 6.42×10−1∗∗∗. (0.0475). 0.1671***. 0.9.

(39) 33. (0.0011). (0.0021). (8.00×10−6 ). (0.0001). (0.0037). -0.0002*. (0.0016). 0.0012. 1.37×10−5∗. 4.81×10−4. 0.0010 (0.0009) -2.40×10−4 (0.0011) 4.42×10−6 (7.74×10−6 ) 0.0468. 0.0011 (0.0010) -4.85×10−5 (0.0013) 6.38×10−6 (8.03×10−6 ) 0.0529. 0.0657 (0.0447). -0.1229. (0.1694). (0.0360). 0.0524. (0.0001). y. (7.62×10−6 ). (9.42×10−6 ). -0.0001. sit. (0.1174). (0.0496). (0.0766). er. 0.0953*. 0.1190. -2.49×10−5∗∗∗. (0.1222). (1.6411). (0.0505). -3.72×10−5∗∗∗. 0.0628. -0.1474. 0.3. 0.0228. ‧ 國. (0.0406). 0.0486. 0.2. (0.1158). 註 2: *,**,***之係數分別代表該係數在顯著水準 0.1 , 0.05 , 0.01 下顯著異於零。. (0.0341). 0.0399. (7.83×10−6 ). -1.86×10−5∗∗. 註 1: 表中的國家意指本文 1980:Q1-2014:Q3 年所使用的 30 個國家的資料樣本。. IT. 0.0011. (0.0929). 0.0031. (0.1722). 0.0902. v. VIX. (0.0229). (0.0231). 0.3192. 0.0860***. 0.0627**. engchi. 人口. 人均產出. 經常帳. 開放性. 外匯干預. 落後一期匯率波動. 0.1. Ch. i n U. ‧. al. 學. n. DGMM. io. 被解釋變數: 匯率波動. Nat 0.4. (0.0427). 0.0562. (0.0529). 0.0963*. 分量. 0.0195 (0.0285). 0.0132 (0.0258). (0.0359). 0.0301. (6.12×10−6 ). -8.58×10−6. (0.1155). 0.0461. (6.56×10−6 ). 9.91×10−7. (0.0008). -2.50×10−4. (0.0008). 0.0009. (0.0323). 0.0427. (3.87×10−6 ). -2.23×10−6. (0.1156). 0.0555. (5.65×10−6 ). -4.94×10−7. (0.0006). -3.52×10−5. (0.0008). (0.0311). 0.0779**. (4.21×10−6 ). 4.61×10−8. (0.1160). 0.0584. (5.81×10−6 ). -1.26×10−7. (0.0006). 1.64×10−4. (0.0007). 0.0009. (0.0491). (0.0543). 0.0010. 0.6 0.0976**. 0.5 0.1008*. 0.7. (0.0367). 0.0933**. (7.64×10−6 ). -6.34×10−7. (0.1170). 0.0739. (6.44×10−6 ). 2.31×10−6. (0.0008). 7.24×10−4. (0.0007). 0.0008. (0.0382). 0.0567. (0.0443). 0.0868**. 表 4: 動態追蹤資料分量迴歸分析基本結果-全部國家(1980:Q1–2014:Q3). 立. 政治大. 0.8. (0.0409). 0.1260***. (1.20×10−5 ). -1.11×10−5. (0.1236). 0.0893. (8.00×10−6 ). 3.43×10−6. (0.0011). 8.76×10−4. (0.0007). 0.0008. (0.0591). 0.1426**. (0.0417). 0.1287***. 0.9. (0.0809). 0.1334*. (2.83×10−5 ). -3.26×10−5. (0.1442). 0.0932. (2.21×10−5 ). -1.32×10−5. (0.0039). 5.36×10−4. (0.0013). 0.0009. (0.1880). 0.5273***. (0.0790). 0.2120***.

(40) 34. IT. (0.0012). (0.0018). (1.70×10−5 ). -0.0001. (0.0001). (0.0033). (0.0037) 3.27×10−5∗. 0.0022. 0.0017. 0.0029 (0.0022) 2.68×10−5∗ (1.59×10−5 ) 0.2460*. 0.0036 (0.0029) 2.87×10−5∗ (1.67×10−5 ) 0.2430*. (0.0379). (0.1209). (0.0361). 0.0959***. (0.0332). 0.0883***. (1.23×10−5 ). 註 2: *,**,***之係數分別代表該係數在顯著水準 0.1 , 0.05 , 0.01 下顯著異於零。. 註 1: 表中的國家意指本文 1990:Q1-2014:Q3 年所使用的 33 個國家的資料樣本。. 0.1141***. (0.0001). -0.1040. (1.31×10−5 ). (1.42×10−5 ). -0.0001*. sit. (0.1319). er. y. (0.0012). (0.0012). 0.2524*. (1.53×10−5 ). 2.64×10−5∗. (0.0019). 0.0026. (0.0011). 0.0016. (0.0310). 0.0860***. (1.23×10−5 ). -5.06×10−5∗∗∗. 0.0016. 0.0016. (0.0566). (0.1300). (0.0485). (0.0565). 0.0047. (0.0921). -5.30×10−5∗∗∗. 0.0203. 0.0514. 0.4. 0.2495***. (0.1306). (0.0800). -5.57×10−5∗∗∗. (0.1336). (1.4604). 0.3. 0.2702***. ‧ 國. (0.0585). -5.64×10−5∗∗∗. 0.2482*. 0.3255. 0.2 0.2255***. v. VIX. 0.0016. (0.0609). 0.0043*. (0.0828). 0.1159*. (0.0718). (0.0378). 0.0813. 0.2562***. 0.2720***. engchi. 人口. 人均產出. 經常帳. 開放性. 外匯干預. 落後一期匯率波動. 0.1. Ch. i n U. ‧. DGMM. n. 被解釋變數: 匯率波動. io. al. 學. Nat (0.0811) -0.0088 (0.0638). (0.0916) 0.0050 (0.0480). (0.0313). 0.0838***. (1.29×10−5 ). -4.14×10−5∗∗∗. (0.1308). 0.2573**. (1.51×10−5 ). 2.39×10−5. (0.0018). 0.0025. (0.0012). 0.0017. (0.0313). 0.0846***. (1.28×10−5 ). -3.47×10−5∗∗∗. (0.1308). 0.2613**. (1.50×10−5 ). 2.19×10−5. (0.0019). 0.0024. (0.0012). 0.0017. 0.6 0.3679***. 0.5 0.2821***. 分量. 表 5: 動態追蹤資料分量迴歸分析全部國家(1990:Q1–2014:Q3). 立政治大. 0.7. (0.0426). 0.1026**. (-1.19×10−5 ). -4.01×10−5∗∗∗. (0.1319). 0.2703**. (1.50×10−5 ). 2.17×10−5. (0.0021). 0.0032. (0.0012). 0.0017. (0.0857). -0.0080. (0.0981). 0.3172***. 0.8. (0.0595). 0.1167**. (1.59×10−5 ). -3.60×10−5∗∗. (0.1337). 0.2729**. (1.48×10−5 ). 1.72×10−5. (0.0024). 0.0044*. (0.0011). 0.0016. (0.1188). -0.0131. (0.0968). 0.3132***. 0.9. (0.0777). 0.1721**. (2.44×10−5 ). -6.74×10−5∗∗∗. (0.1405). 0.2879**. (1.86×10−5 ). -3.29×10−6. (0.0050). 0.0098**. (0.0011). 0.0017. (0.3306). 0.1541. (0.1081). 0.5068***.

(41) 35. IT. 0.0011. (0.0017). (0.0015). (0.0864). 0.0051***. (0.0721). 0.0561. -0.0010. (0.0029). 7.00×10−5∗∗ (3.11×10−5 ). 0.0003. (0.0031). -1.01×10−4∗. (5.09×10−5 ). (0.1197) -8.94×10−5∗∗∗ (2.05×10−5 ). (1.4215). -2.90×10−4∗∗∗. (3.83×10−5 ). (0.0888). (0.1170). (0.1123) 0.0013 (0.0018) -0.0005 (0.0027) 6.39×10−5∗∗ (3.13×10−5 ) 0.1303. (0.0976) 0.0013 (0.0018) -0.0022 (0.0027) 6.60×10−5∗∗ (3.10×10−5 ) 0.1321. y. (0.0772). 0.0711. (1.71×10−5 ). -1.00×10−4∗∗∗. sit. (0.1186). 0.0507. 0.0157. (0.0744). 0.0679. (1.69×10−5 ). -1.01×10−4∗∗∗. (0.1194). 註 2: *,**,***之係數分別代表該係數在顯著水準 0.1 , 0.05 , 0.01 下顯著異於零。. 註 1: 表中的國家意指本文 2000:Q1-2014:Q3 年所使用的 33 個國家的資料樣本。. 0.0731. 0.1631. 0.3. 0.3351***. 0.4. (0.1136). 0.0431. (0.0599). 0.3583***. 分量. (0.0025). -0.0001. (0.0018). 0.0013. (0.0773). 0.0712. (1.70×10−5 ). -9.83×10−5∗∗∗. (0.1187). 0.1351. (3.10×10−5 ). 6.17×10−5∗∗. ‧ 國 (0.0724). 0.2628***. 0.2. (0.0881). er. 0.1361. 0.4906. v. VIX. (0.0866). (0.0368) 0.1115. 0.2021**. 0.1366***. engchi. 人口. 人均產出. 經常帳. 開放性. 外匯干預. 落後一期匯率波動. 0.1. Ch. i n U. ‧. al. 學. n. DGMM. io. 被解釋變數: 匯率波動. Nat -0.0253 (0.0789). 0.0383 (0.0874). (0.0787). 0.0770. (1.71×10−5 ). -9.52×10−5∗∗∗. (0.1186). 0.1331. (3.09×10−5 ). 5.89×10−5∗. (0.0027). 0.0003. (0.0017). (0.0824). 0.0773. (1.68×10−5 ). -9.64×10−5∗∗∗. (0.1180). 0.1357. (3.09×10−5 ). 5.61×10−5∗. (0.0027). 0.0010. (0.0018). 0.0014. (0.0463). (0.0547). 0.0013. 0.6 0.3857***. 0.5 0.3943***. 表 6: 動態追蹤資料分量迴歸分析全部國家(2000:Q1–2014:Q3). 立. 政治大. 0.7. (0.0879). 0.0769. (1.59×10−5 ). -9.66×10−5∗∗∗. (0.1182). 0.1396. (3.09×10−5 ). 5.44×10−5∗. (0.0030). 0.0003. (0.0018). 0.0014. (0.0977). -0.0318. (0.0579). 0.3490***. 0.8. (0.0946). 0.1090. (1.92×10−5 ). -1.01×10−4∗∗∗. (0.1173). 0.1412. (3.09×10−5 ). 5.16×10−5∗. (0.0034). -0.0003. (0.0018). 0.0014. (0.1165). 0.0227. (0.0803). 0.4681***. 0.9. (0.1090). 0.1783. (2.93×10−5 ). -1.48×10−4∗∗∗. (0.1187). 0.1508. (3.11×10−5 ). 4.80×10−5. (0.0051). -0.0001. (0.0018). 0.0013. (0.2461). 0.1002. (0.0968). 0.5541***.