高子鑫 劉曉輝 席麗佳

摘要本文以人民幣不同期限（1月期、3月期、6月期和12月期）拋補(bǔ)利率平價(jià)基差為樣本，利用t檢驗(yàn)和普通最小二乘（OLS）回歸方法探究“8·11”匯改前后人民幣拋補(bǔ)利率平價(jià)偏離程度的特征。同時(shí)，本文選取43個(gè)經(jīng)濟(jì)體作為控制組，基于回歸控制法構(gòu)建反事實(shí)框架，考察“8·11”匯改對(duì)人民幣拋補(bǔ)利率平價(jià)偏離程度的影響。研究結(jié)果表明：（1）各個(gè)期限的人民幣拋補(bǔ)利率平價(jià)在“8·11”匯改前后均存在持續(xù)偏離，拋補(bǔ)利率平價(jià)基差始終存在；（2）“8·11”匯改顯著降低了人民幣拋補(bǔ)利率平價(jià)偏離程度，且此結(jié)果在改變變量選擇準(zhǔn)則、估計(jì)變量以及政策實(shí)施時(shí)點(diǎn)后均具有穩(wěn)健性。本文對(duì)貨幣拋補(bǔ)利率平價(jià)偏離程度的研究進(jìn)行了拓展，不僅有助于理解“8·11”匯改對(duì)中國(guó)外匯市場(chǎng)的影響，也為評(píng)估該政策的效果提供了新的視角和證據(jù)。

關(guān)鍵詞拋補(bǔ)利率平價(jià)偏離程度“8·11”匯改基差回歸控制法

一、引言與文獻(xiàn)綜述

拋補(bǔ)利率平價(jià)（covered?interest?parity，CIP）連接了貨幣和外匯市場(chǎng)，是國(guó)際金融領(lǐng)域聯(lián)系利率與匯率這兩個(gè)重要價(jià)格的基礎(chǔ)理論之一。CIP成立意味著投資于本幣與通過(guò)外匯掉期市場(chǎng)投資所獲得的預(yù)期收益是相等的；但當(dāng)CIP不成立時(shí)，兩種投資策略預(yù)期收益的不一致產(chǎn)生了CIP偏離（deviations?from?covered?interest?parity），套利者可通過(guò)預(yù)期收益的差異在貨幣市場(chǎng)與外匯掉期市場(chǎng)獲取無(wú)風(fēng)險(xiǎn)的套利收益。

與本文相關(guān)的一類文獻(xiàn)是使用拋補(bǔ)利率平價(jià)基差（covered?interest?parity?basis，下文簡(jiǎn)稱基差）?正式定義見(jiàn)正文第二部分及式（1）。來(lái)度量CIP偏離的研究。在2008年金融危機(jī)前的數(shù)十年內(nèi)，CIP總是成立（Akram?et?al.，2008；McCormick，1979）。即使CIP因?yàn)槭艿姐y行交易對(duì)手風(fēng)險(xiǎn)等因素影響而出現(xiàn)短暫的偏離，套利的力量也會(huì)使得基差很快消失（Akram?et?al.，2008）。然而，在2008年金融危機(jī)發(fā)生之后，CIP不再成立，持續(xù)存在的基差成為國(guó)際金融領(lǐng)域的熱點(diǎn)研究課題之一。首先，持續(xù)偏離的CIP可能是金融市場(chǎng)摩擦或資源配置低下的證據(jù)；其次，這可能意味著宏觀經(jīng)濟(jì)政策（尤其是貨幣政策）跨境傳導(dǎo)方式的改變；最后，后危機(jī)時(shí)期基差的存在性還證明了，在加強(qiáng)金融監(jiān)管的背景下，金融中介的杠桿約束在世界資產(chǎn)定價(jià)中具有核心作用。

從時(shí)間區(qū)間來(lái)看，部分研究考察了金融危機(jī)期間基差的存在性。其中，短期內(nèi)基差的變化可歸結(jié)于兩個(gè)因素：第一，2008年金融危機(jī)加劇了貨幣市場(chǎng)、銀行間市場(chǎng)以及外匯市場(chǎng)的波動(dòng)和摩擦（Baba?&?Packer，2009；Coffey?et?al.，2009）；第二，歐元區(qū)債務(wù)危機(jī)期間，美元資金持續(xù)短缺（Ivashina?et?al.，2015）。

此外，還有研究發(fā)現(xiàn)，后危機(jī)時(shí)期的基差仍然持續(xù)存在。綜合來(lái)看，導(dǎo)致CIP偏離和基差持續(xù)存在的因素主要有五類：第一，監(jiān)管或其他套利限制引發(fā)的一系列問(wèn)題的影響（Rime?et?al.，2022；Du?et?al.，2018；Bruning?&?Puria，2017）；第二，與美元升值相關(guān)的美元對(duì)沖需求與供給的失衡（Avdjiev?et?al.，2019）；第三，貨幣間的利率差異（Liao，2020；Borio?et?al.，2018；Du?et?al.，2018）；第四，投機(jī)者投資成本存在異質(zhì)性，如倫敦同業(yè)拆借利率（LIBOR）無(wú)法代表投機(jī)者真實(shí)邊際收益（Rime?et?al.，2022）；第五，包括美國(guó)主要貨幣市場(chǎng)基金改革在內(nèi)的一些臨時(shí)性因素（Anderson?et?al.，2019）。

與本文相關(guān)的另一類文獻(xiàn)主要是人民幣利率平價(jià)和“8·11”匯改?“8·11”匯改是指2015年8月11日中國(guó)出臺(tái)的完善人民幣匯率中間價(jià)形成機(jī)制的改革：自2015年8月11日起，做市商在每日銀行間外匯市場(chǎng)開(kāi)盤前，參考上日銀行間外匯市場(chǎng)收盤價(jià)匯率，綜合考慮外匯供求情況以及國(guó)際主要貨幣匯率變化，向中國(guó)外匯交易中心提供中間價(jià)報(bào)價(jià)。的研究。近年來(lái)，國(guó)內(nèi)對(duì)于人民幣利率平價(jià)的研究較少，已有文獻(xiàn)主要致力于尋求利率平價(jià)條件難以成立的原因。部分學(xué)者將資本管制約束引入非拋補(bǔ)利率平價(jià)（uncovered?interest?parity，UIP），認(rèn)為資本管制是UIP失效的重要原因（肖祖沔和向麗錦，2019）。還有學(xué)者認(rèn)為，風(fēng)險(xiǎn)溢價(jià)、交易成本、外匯市場(chǎng)干預(yù)以及套利受限導(dǎo)致UIP在中國(guó)難以成立（肖立晟和劉永余，2016）。隨著中國(guó)外匯市場(chǎng)的發(fā)展，一些學(xué)者開(kāi)始驗(yàn)證CIP在中國(guó)的成立性。盡管中國(guó)處于飛速發(fā)展的階段，但由于資本管制以及多種風(fēng)險(xiǎn)因素，CIP仍然不成立，而資本管制是其中最主要的影響因素之一（譚小芬和高志鵬，2017）。

在2015年中國(guó)推出“8·11”匯改政策之后，學(xué)界開(kāi)始關(guān)注并考察該政策的影響，相關(guān)研究主要集中于兩個(gè)方面。一方面，學(xué)者們關(guān)注“8·11”匯改后人民幣在岸市場(chǎng)與離岸市場(chǎng)之間匯率關(guān)系的變化，如匯率均值與波動(dòng)層面（徐娟和楊亞慧，2019），市場(chǎng)聯(lián)動(dòng)性、定價(jià)權(quán)歸屬與價(jià)格引導(dǎo)作用方向?qū)用妫ㄐ炀旰蜅顏喕郏?019；李政，2017），人民幣國(guó)際影響力層面（王雪和胡明志，2019）。另一方面，學(xué)者們則聚焦于“8·11”匯改前后匯率變化影響因素的差異，如美元指數(shù)始終為顯著影響因素，而美國(guó)芝加哥期權(quán)交易所波動(dòng)率（VIX）指數(shù)在匯改后解釋能力被削弱（Cheung?et?al.，2018）。

上述討論表明，一方面，基差為何持續(xù)存在、CIP為何持續(xù)偏離已成為近年來(lái)的研究熱點(diǎn)，但鮮有關(guān)注人民幣CIP的偏離程度及影響因素的研究；另一方面，對(duì)“8·11”匯改政策效果的評(píng)估多從匯率本身出發(fā)，缺少?gòu)腃IP偏離程度角度的研究。本文使用來(lái)自彭博（Bloomberg）數(shù)據(jù)庫(kù)的原始數(shù)據(jù)，測(cè)算了2010年1月—2019年12月人民幣基差（1月期、3月期、6月期和12?月期）。由圖1可知：第一，2010—2019年，人民幣四種期限的基差是持續(xù)存在的；第二，以“8·11”匯改政策出臺(tái)的2015年8月為分割點(diǎn)，人民幣基差在匯改后表現(xiàn)出更接近0（CIP成立）的趨勢(shì)。為此，本文旨在進(jìn)一步研究人民幣基差的存在性及變化，并探討“8·11”匯改是不是導(dǎo)致CIP偏離程度顯著下降的原因。

圖12010年1月—2019年12月人民幣1月期、3月期、6月期與12月期基差

注：bp1m、bp3m、bp6m、bp12m分別代表人民幣1月期、3月期、6月期與12月期基差（001%），后同。

綜上，本文以2010年1月—2019年12月人民幣四種期限（1月期、3月期、6月期和12月期）的基差為樣本，首先使用t檢驗(yàn)和普通最小二乘（OLS）回歸方法確認(rèn)人民幣基差的存在性，其次基于Hsiao?et?al.（2012）提出的回歸控制法（regression?control?methods，RCM），以43個(gè)經(jīng)濟(jì)體作為控制組，構(gòu)建反事實(shí)框架考察“8·11”匯改對(duì)人民幣CIP偏離程度的影響。

本文的主要貢獻(xiàn)在于以下三個(gè)方面。第一，從研究視角來(lái)看，本文立足于人民幣CIP基差的視角，在“8·11”匯改的大背景下探究人民幣基差的存在性與變化，彌補(bǔ)了貨幣基差研究中人民幣基差研究的缺失，拓展了貨幣基差的研究。第二，從研究?jī)?nèi)容來(lái)看，本文針對(duì)“8·11”匯改是否顯著降低了人民幣CIP的偏離程度進(jìn)行分析，為人民幣CIP偏離的影響因素研究提供了新思路。第三，已有文獻(xiàn)大多從“8·11”匯改對(duì)匯率的影響這個(gè)角度來(lái)評(píng)估“8·11”匯改的政策效果（徐娟和楊亞慧，2019；李政，2017），本文則從人民幣CIP偏離角度評(píng)估了“8·11”匯改的政策效果，為分析“8·11”匯改提供了新的研究角度。

本文其余部分安排如下：第二部分利用t檢驗(yàn)和OLS回歸方法考察人民幣基差的存在性，并以2015年8月為分割點(diǎn)，對(duì)子樣本中CIP偏離程度進(jìn)行考察；第三部分則利用回歸控制法考察“8·11”匯改對(duì)人民幣CIP偏離程度的影響；第四部分是結(jié)論和展望。

二、持續(xù)存在的人民幣CIP偏離

本文使用2010年1月—2019年12月人民幣1月期、3月期、6月期與12月期的基差數(shù)據(jù)描述“8·11”匯改前后人民幣CIP持續(xù)存在偏離的特征事實(shí)。本部分將在界定人民幣基差的基礎(chǔ)上進(jìn)行描述性分析，并利用t檢驗(yàn)和OLS回歸方法考察人民幣基差的特征。

（一）描述性統(tǒng)計(jì)

基差，又稱為跨貨幣偏差（crosscurrency?deviations），表示投資于國(guó)內(nèi)貨幣市場(chǎng)所獲得的收益與通過(guò)掉期市場(chǎng)投資所獲得的收益之間的差值。若基差為0?例如，今天持有人民幣的投資者可以將人民幣存入銀行一個(gè)月，賺取人民幣存款利率；或者投資者可以將人民幣兌換為某種外幣，在外國(guó)銀行賺取一個(gè)月的外幣存款利率，并可同時(shí)簽訂一個(gè)月的貨幣遠(yuǎn)期合約，約定在合約期末將賺取的外幣以約定匯率兌換為人民幣。如果人民幣和外幣存款利率均無(wú)違約，且遠(yuǎn)期合約無(wú)交易對(duì)手風(fēng)險(xiǎn)，那么兩種投資策略應(yīng)當(dāng)可以提供相同的回報(bào)，即CIP成立。，則CIP這一無(wú)套利條件成立；若基差為正（負(fù)），則投資于人民幣（通過(guò)掉期市場(chǎng)投資）將獲得更多收益（Du?et?al.，2018）?；诖耍疚膶⒒钚问皆O(shè)定為：

basist，t+n=it，t+n－i*t，t+n－1n/12（ft，t+n－st）（1）

其中，basist，t+n表示t時(shí)刻n月期基差，it，t+n表示n月期本國(guó)利率，i*t，t+n表示n月期美國(guó)利率，ft，t+n、st分別表示n月期遠(yuǎn)期匯率與即期匯率（以本幣表示一單位外幣價(jià)格，收盤價(jià)）的對(duì)數(shù)值（n=1、3、6、12）。

為方便后文描述性統(tǒng)計(jì)及結(jié)果解讀，本文使用基點(diǎn)（001%）來(lái)表示基差，即：

bpt，t+n=basist，t+n×10000（2）

首先，本文簡(jiǎn)要說(shuō)明樣本及樣本區(qū)間的選擇。本文選擇樣本和樣本區(qū)間基于以下兩點(diǎn)考慮：

第一，已有文獻(xiàn)對(duì)所使用基差數(shù)據(jù)的具體期限未達(dá)成共識(shí)。近期文獻(xiàn)常用1月期、3月期基差作為研究對(duì)象（Rime?et?al.，2022；Cerutti?et?al.，2021；Avdjiev?et?al.，2019；Du?et?al.，2018；Bruning?&?Puria，2017）。然而，當(dāng)?shù)羝谑袌?chǎng)無(wú)摩擦?xí)r，CIP應(yīng)適用于所有到期日（Bruning?&?Puria，2017）。為增強(qiáng)結(jié)論的可信度并考慮到人民幣的具體數(shù)據(jù)情況，本文將人民幣四種期限（1月期、3月期、6月期和12月期）的基差納入樣本進(jìn)行研究。

第二，在2008年金融危機(jī)前的幾十年內(nèi)，已有研究發(fā)現(xiàn)CIP總是成立（Akram?et?al.，2008；McCormick，1979）。而在2008年金融危機(jī)之后，在多種因素?這里的多種因素包括：監(jiān)管或套利限制（Rime?et?al.，2022；Du?et?al.，2018；Bruning?&?Puria，2017）、跨貨幣資金供給和投資需求的失衡（Avdjiev?et?al.，2019）、貨幣間利率差異所反映的不同央行的貨幣政策立場(chǎng)（Liao，2020；Borio?et?al.，2018；Du?et?al.，2018）、美國(guó)主要貨幣市場(chǎng)基金改革等臨時(shí)性因素（Anderson?et?al.，2019）等。的共同影響下，全球眾多經(jīng)濟(jì)體的CIP都產(chǎn)生了不同程度的偏離（Borio?et?al.，2018）。因此，為了規(guī)避2008年金融危機(jī)對(duì)基差的存在性以及形成機(jī)制產(chǎn)生的影響，本文選擇2010年1月—2019年12月作為檢驗(yàn)區(qū)間。

其次，本文繪制了人民幣基差（1月期、3月期、6月期和12月期）在樣本期內(nèi)的折線圖（圖1）。圖1初步說(shuō)明：第一，在“8·11”匯改前，四種期限的基差均近似在2011年6月與2014年3月到達(dá)歷史峰值；總體而言，基差始終為非0數(shù)值，忽略其方向性，可以看出CIP始終存在較大偏離。第二，在“8·11”匯改政策實(shí)施后，CIP的偏離程度顯著降低，四種期限的基差均在0處上下小幅波動(dòng)（相較于“8·11”匯改前），可以認(rèn)為“8·11”匯改顯著降低了CIP的偏離程度。

最后，為了進(jìn)一步驗(yàn)證從圖1中所獲得的初步結(jié)論，本文進(jìn)行了總樣本的描述性統(tǒng)計(jì)分析。同時(shí)，本文以政策實(shí)施節(jié)點(diǎn)（2015年8月）作為樣本劃分點(diǎn)，將總樣本分為“8·11”匯改前（2010年1月—2015年7月）以及“8·11”匯改后（2015年8月—2019年12月）兩個(gè)子樣本，分別再進(jìn)行描述性統(tǒng)計(jì)分析。根據(jù)表1可以得到兩方面結(jié)論。一方面，無(wú)論是總樣本還是子樣本，四種期限的基差均值均非0，結(jié)合對(duì)圖1的分析，可以發(fā)現(xiàn)CIP始終存在偏離，在所選擇樣本期內(nèi)CIP始終不成立。另一方面，對(duì)比匯改前后兩個(gè)子樣本的基礎(chǔ)數(shù)據(jù)可以看出，匯改后樣本四種期限的人民幣基差均值與0的距離均顯著小于匯改前樣本，同時(shí)匯改后樣本的標(biāo)準(zhǔn)差相較于匯改前樣本也有所降低，即匯改后CIP偏離程度比匯改前更低。本文認(rèn)為，“8·11”匯改無(wú)論是從水平值偏離角度還是波動(dòng)角度均顯著降低了CIP的偏離程度。

為提高研究結(jié)果的準(zhǔn)確性，本文接下來(lái)將利用t檢驗(yàn)和OLS回歸方法進(jìn)行檢驗(yàn)。

（二）檢驗(yàn)方法

1t檢驗(yàn)

為了驗(yàn)證原假設(shè)H0：bpt，t+n=0，本文利用t檢驗(yàn)對(duì)人民幣四種期限基差的存在性進(jìn)行實(shí)證分析。

t檢驗(yàn)結(jié)果如表2所示。其中，總樣本以及“8·11”匯改前和“8·11”匯改后兩個(gè)子樣本四種期限的基差基本都拒絕了均值為0的原假設(shè)。具體而言，人民幣1月期的基差僅在“8·11”匯改后子樣本中接受原假設(shè)，而3月期、6月期與12月期的基差在總樣本以及兩個(gè)子樣本內(nèi)均拒絕原假設(shè)。這說(shuō)明CIP的偏離始終存在，基差的存在性得到驗(yàn)證，即“8·11”匯改并未改變中國(guó)市場(chǎng)上CIP難以成立的現(xiàn)狀。

表2人民幣1月期、3月期、6月期與12月期基差t檢驗(yàn)結(jié)果

樣本H0：bpt，t+1=0H0：bpt，t+3=0H0：bpt，t+6=0H0：bpt，t+12=0拒絕或接

受原假設(shè)總樣本84341110456120620132930拒絕“8·11”匯改前114079128057144994168328拒絕“8·11”匯改后10376*97697129216177587拒絕注：*表示不拒絕原假設(shè)。

2OLS回歸方法

由表1可知，從平均值來(lái)看，基差在2015年8月之后均更接近于0，其波動(dòng)幅度也明顯下降。在通過(guò)t檢驗(yàn)驗(yàn)證基差的存在性的基礎(chǔ)上，本文構(gòu)建OLS回歸模型，再次驗(yàn)證三個(gè)樣本基差的存在性，同時(shí)考察人民幣基差的影響因素。

（1）回歸模型設(shè)定。借鑒Cerutti?et?al.（2021）?的研究，本文構(gòu)建如下回歸模型?Cerutti?et?al.（2021）使用CIP的變形作為實(shí)證分析模型，基于本文的假設(shè)，該模型可寫為：

1n/12（ft，t+n-st）=α0+λ（it，t+n-i*t，t+n）+η0Xt+ξ0t

在上式左右兩邊同時(shí)減去it，t+n-i*t，t+n，得到bpt，t+n=α+β（it，t+n-i*t，t+n）+ηXt+ξt，其中α=-α0×10000，β=（1-λ）×10000，η=η0×10000。：

bpt，t+n=α+β（it，t+n－i*t，t+n）+ηXt+ξt（3）

其中，t代表時(shí)間，n代表期限（n=1、3、6、12），*表示美國(guó)；Xt為基差的潛在影響因素；ξt為隨機(jī)干擾項(xiàng)。如果CIP成立，則α=β=η=0。

（2）變量及數(shù)據(jù)處理。本部分將簡(jiǎn)述使用的被解釋變量、解釋變量與控制變量?各變量的名稱、定義以及數(shù)據(jù)來(lái)源留存?zhèn)渌??！?/p>

首先，被解釋變量bpt，t+n（n=1、3、6、12）為人民幣n月期基差（001%形式）。該變量若為正，則投資于人民幣將獲得更多收益，反之則通過(guò)掉期市場(chǎng)投資將獲得更多收益（Du?et?al.，2018）。本文通過(guò)式（1）、式（2）計(jì)算此變量。

其次，基于CIP的公式與理論，本文使用利差作為關(guān)鍵解釋變量。當(dāng)利差擴(kuò)大，即本國(guó)利率相較于外國(guó)利率更高時(shí)，投資于人民幣的收益比通過(guò)掉期市場(chǎng)投資收益更高，從而擴(kuò)大基差，這表明利差應(yīng)與基差呈正相關(guān)關(guān)系。本文使用人民幣利率（Shibor）減去美元利率（Libor）表示此變量。

最后，根據(jù)基差的理論研究和已有文獻(xiàn)，本文選擇了五個(gè)可能對(duì)基差產(chǎn)生影響的變量作為控制變量。接下來(lái)將簡(jiǎn)要說(shuō)明這些控制變量及其對(duì)基差的影響：

第一，遠(yuǎn)期買賣價(jià)差（bidaskt，t+n）。當(dāng)匯率波動(dòng)加劇時(shí)，企業(yè)和非銀行金融機(jī)構(gòu)的對(duì)沖需求上升；即遠(yuǎn)期合約的需求上升，但由于中介機(jī)構(gòu)杠桿撬動(dòng)能力有限，遠(yuǎn)期合約供應(yīng)相對(duì)緊俏，使得遠(yuǎn)期市場(chǎng)買賣價(jià)差擴(kuò)大，遠(yuǎn)期市場(chǎng)流動(dòng)性被限制，套利空間擴(kuò)大，CIP的偏離程度增加（Pinnington?&?Shamloo，2016）。也就是說(shuō)，當(dāng)遠(yuǎn)期匯率買賣價(jià)格差值增加（指標(biāo)相應(yīng)減?。r(shí)，基差擴(kuò)大，說(shuō)明遠(yuǎn)期買賣價(jià)差應(yīng)與基差呈負(fù)相關(guān)關(guān)系。本文使用遠(yuǎn)期匯率買價(jià)減去賣價(jià)表示該變量。

第二，全球風(fēng)險(xiǎn)情緒（lnvix）。全球風(fēng)險(xiǎn)情緒的上升會(huì)導(dǎo)致美元貨幣對(duì)沖需求的不確定性與波動(dòng)性上升，美國(guó)可能會(huì)通過(guò)全面縮減美元對(duì)沖供給規(guī)模來(lái)遏制美元套利行為（Cerutti?et?al.，2021）。當(dāng)基于美元的套利行為被遏制時(shí)，人民幣投資收益與通過(guò)外匯掉期市場(chǎng)投資的收益差相對(duì)上升，使得基差擴(kuò)大。本文使用VIX指數(shù)的對(duì)數(shù)來(lái)表示全球風(fēng)險(xiǎn)情緒的變動(dòng)。

第三，經(jīng)濟(jì)政策不確定性（BBD）。政府部門何時(shí)、如何以及在何種程度上調(diào)整經(jīng)濟(jì)政策無(wú)法被個(gè)體準(zhǔn)確預(yù)測(cè)，并由此產(chǎn)生經(jīng)濟(jì)政策不確定性（Gulen?&?Ion，2016）。經(jīng)濟(jì)政策不確定性通過(guò)對(duì)預(yù)期的改變來(lái)影響實(shí)體經(jīng)濟(jì)，影響家庭、企業(yè)和政策制定者的決定。當(dāng)經(jīng)濟(jì)政策不確定性增強(qiáng)時(shí)，市場(chǎng)猜測(cè)與恐慌情緒加劇，使得以高投機(jī)性、高風(fēng)險(xiǎn)性、高敏感性、高流動(dòng)性為主要特征的短期國(guó)際資本頻繁在經(jīng)濟(jì)體間流動(dòng)，貨幣市場(chǎng)與外匯市場(chǎng)均受到負(fù)面影響，因此其對(duì)基差的影響方向無(wú)法確定。本文采用Baker?et?al.（2016）編制的經(jīng)濟(jì)政策不確定指數(shù)作為中國(guó)經(jīng)濟(jì)政策不確定性的代理變量。

第四，資本流動(dòng)程度（kaopen）。中國(guó)作為新興市場(chǎng)經(jīng)濟(jì)體，金融體系較為脆弱，資本流動(dòng)頻繁且波動(dòng)幅度較大，一旦有突發(fā)性的國(guó)際資本異動(dòng)，會(huì)對(duì)宏觀經(jīng)濟(jì)的穩(wěn)定性造成嚴(yán)重沖擊。當(dāng)基差為正值時(shí)，一方面，代表當(dāng)不存在資本管制時(shí)，資金在短期內(nèi)傾向于流入國(guó)內(nèi)獲取超額回報(bào)，長(zhǎng)期則會(huì)流出中國(guó)，從而使得即期匯率升值、遠(yuǎn)期匯率存在貶值預(yù)期，以此縮小基差，使套利空間被縮窄。而在資本管制之下，此資本流動(dòng)過(guò)程被人為限制，使得資金流動(dòng)頻繁度與波動(dòng)度下降，基差無(wú)法正?；貧w均衡，只能維持在較高水平（譚小芬和高志鵬，2017）。另一方面，此時(shí)資金在中國(guó)的收益水平高于國(guó)外，資金傾向于流入中國(guó)。盡管資本管制會(huì)阻礙這一過(guò)程，但利率平價(jià)的偏離仍會(huì)導(dǎo)致短期資本流動(dòng)，而資本流入流出會(huì)影響即期匯率水平，縮窄套利空間，使基差縮小。綜合上述分析，本文無(wú)法確定資本流動(dòng)程度對(duì)基差的具體影響方向。

參照劉曉輝（2008）的研究，本文將先測(cè)算中國(guó)短期資本流動(dòng)規(guī)模，然后利用該數(shù)據(jù)與GDP之比作為中國(guó)資本流動(dòng)程度的代理指標(biāo)，最后對(duì)測(cè)算出的資本流動(dòng)指數(shù)做季節(jié)調(diào)整?關(guān)于資本流動(dòng)程度的衡量，目前可得且樣本覆蓋范圍廣、樣本期較長(zhǎng)的指數(shù)主要包含五種。考慮到常用的指數(shù)大多為年度數(shù)據(jù)，難以運(yùn)用到月度數(shù)據(jù)的計(jì)量中，本文采用事實(shí)測(cè)算法估計(jì)資本流動(dòng)程度。。其中，短期資本流動(dòng)規(guī)模=儲(chǔ)備變動(dòng)額-經(jīng)常項(xiàng)目差額-直接投資差額。該指標(biāo)數(shù)值越大，表示資本流動(dòng)水平越高。

第五，貿(mào)易加權(quán)美元指數(shù)（usdindex）。隨著貿(mào)易加權(quán)美元指數(shù)上升，中國(guó)的銀行及非銀行金融機(jī)構(gòu)獲取美元信貸的能力下降，這使得通過(guò)掉期市場(chǎng)進(jìn)行投資的成本上升，人民幣投資的收益相較于通過(guò)掉期市場(chǎng)投資可獲得的收益上升，進(jìn)而使得基差擴(kuò)大（Avdjiev?et?al.，2019）。但同時(shí)由于美元走強(qiáng)，其兌人民幣即期匯率及遠(yuǎn)期匯率存在一定升值（表現(xiàn)為ft，t+n、st數(shù)值上升），在掉期市場(chǎng)進(jìn)行貨幣兌換時(shí)可獲取收益相對(duì)上升，使得基差有一定程度的縮小，導(dǎo)致無(wú)法預(yù)測(cè)其對(duì)基差的最終影響方向。本文使用美聯(lián)儲(chǔ)圣路易斯分行（FRED）的貿(mào)易美元加權(quán)指數(shù)來(lái)反映美元的變化。

（3）回歸結(jié)果。在進(jìn)行模型回歸之前，本文先使用ADF單位根方法分析數(shù)據(jù)的平穩(wěn)性，選用SIC準(zhǔn)則自動(dòng)選取最佳滯后階數(shù)（最大滯后階數(shù)為12期）?兩個(gè)子樣本也與總樣本相同，存在平穩(wěn)序列與一階單整序列。限于篇幅，總樣本與子樣本的ADF檢驗(yàn)結(jié)果留存?zhèn)渌鳌?。本文所使用的變量包含平穩(wěn)序列和一階單整序列。若直接對(duì)存在非平穩(wěn)時(shí)間序列的數(shù)據(jù)組建立回歸，可能存在偽回歸問(wèn)題。解決方法一般有如下兩種：一是進(jìn)行差分回歸，二是進(jìn)行協(xié)整檢驗(yàn)判斷其是否存在長(zhǎng)期均衡關(guān)系。使用差分進(jìn)行回歸會(huì)產(chǎn)生信息損失且難以解釋其經(jīng)濟(jì)學(xué)含義，故本文將使用水平值進(jìn)行回歸分析，并使用JohansenJuselius協(xié)整檢驗(yàn)（下文簡(jiǎn)稱JJ協(xié)整檢驗(yàn)）來(lái)驗(yàn)證變量之間的協(xié)整關(guān)系，以避免偽回歸現(xiàn)象本文也對(duì)差分?jǐn)?shù)據(jù)進(jìn)行了OLS回歸，結(jié)果與水平值相近，但R2總體而言偏小，故此處還是使用水平值進(jìn)行回歸分析，差分?jǐn)?shù)據(jù)回歸結(jié)果留存?zhèn)渌?。?/p>

在使用JJ協(xié)整檢驗(yàn)時(shí)，需要構(gòu)建向量自回歸（VAR）模型以確定協(xié)整檢驗(yàn)的滯后階數(shù)。根據(jù)各種準(zhǔn)則構(gòu)建的四種期限基差數(shù)據(jù)組（總樣本）對(duì)應(yīng)的VAR模型選擇的滯后階數(shù)分別為：1月期數(shù)據(jù)組選擇了一階滯后，3月期、6月期與12月期數(shù)據(jù)組則選擇了二階滯后。依據(jù)VAR模型所選擇的滯后階數(shù)，在進(jìn)行JJ協(xié)整檢驗(yàn)時(shí)，1月期數(shù)據(jù)組選擇了零階滯后，其余三個(gè)數(shù)據(jù)組均選擇了一階滯后。經(jīng)JJ協(xié)整檢驗(yàn)后，四個(gè)數(shù)據(jù)組無(wú)約束協(xié)整秩檢驗(yàn)均顯示存在協(xié)整關(guān)系，極大特征根協(xié)整檢驗(yàn)也均顯示存在協(xié)整關(guān)系。因此，在使用水平值回歸時(shí)不存在偽回歸問(wèn)題四個(gè)數(shù)據(jù)組無(wú)約束協(xié)整秩檢驗(yàn)結(jié)果分別為：1月期數(shù)據(jù)組有四個(gè)協(xié)整關(guān)系，3月期數(shù)據(jù)組有兩個(gè)協(xié)整關(guān)系，6月期數(shù)據(jù)組有兩個(gè)協(xié)整關(guān)系，12月期數(shù)據(jù)組有三個(gè)協(xié)整關(guān)系。四個(gè)數(shù)據(jù)組極大特征根協(xié)整檢驗(yàn)結(jié)果分別為：1月期數(shù)據(jù)組有四個(gè)協(xié)整關(guān)系，3月期數(shù)據(jù)組有一個(gè)協(xié)整關(guān)系，6月期數(shù)據(jù)組有兩個(gè)協(xié)整關(guān)系，12月期數(shù)據(jù)組有三個(gè)協(xié)整關(guān)系。本文對(duì)兩個(gè)子樣本也進(jìn)行了JJ協(xié)整檢驗(yàn)，結(jié)果表示兩個(gè)子樣本的八個(gè)數(shù)據(jù)組中均存在協(xié)整關(guān)系，在使用水平值回歸時(shí)不存在偽回歸現(xiàn)象。限于篇幅，上述結(jié)果均留存?zhèn)渌??！?/p>

基于上述分析與設(shè)定，本文對(duì)人民幣四種不同期限的基差的水平值進(jìn)行回歸，結(jié)果列于表3。

由表3的總樣本回歸結(jié)果可見(jiàn)，四種期限基差的關(guān)鍵解釋變量利差以及常數(shù)項(xiàng)的回歸系數(shù)均非0且顯著，說(shuō)明在樣本區(qū)間內(nèi)基差始終存在。同時(shí)，四種期限的基差還受到買賣價(jià)差、全球風(fēng)險(xiǎn)情緒、經(jīng)濟(jì)政策不確定性、資本流動(dòng)性與美元指數(shù)的影響。

此外，在兩個(gè)子樣本的回歸結(jié)果中，常數(shù)項(xiàng)也始終非0且顯著，表明在所選區(qū)間CIP始終難以成立。這與前期描述性統(tǒng)計(jì)分析以及t檢驗(yàn)結(jié)論一致。通過(guò)對(duì)比兩個(gè)子樣本的回歸結(jié)果可以發(fā)現(xiàn)，在“8·11”匯改前的子樣本中，四種期限基差的影響因素與總樣本相一致，而匯改后子樣本四種期限的基差幾乎不受利差、買賣價(jià)差與資本流動(dòng)性的影響。VIX指數(shù)的解釋能力也被削弱，這與Cheung?et?al.（2018）結(jié)論一致。由此可以發(fā)現(xiàn)，“8·11”匯改實(shí)施后，基差的影響因素發(fā)生了一定的改變。

綜合上述各種分析驗(yàn)證可知，“8·11”匯改對(duì)CIP的偏離程度存在一定影響。但t檢驗(yàn)和OLS回歸方法可能存在一定的內(nèi)生性，且可能存在由于樣本區(qū)間選擇而產(chǎn)生的估計(jì)偏差。因此，為了確定“8·11”匯改對(duì)CIP偏離程度存在影響并進(jìn)一步量化這種政策干預(yù)效應(yīng)，本文選擇回歸控制法這一反事實(shí)方法對(duì)已有數(shù)據(jù)進(jìn)行分析研究。

三、“8·11”匯改與人民幣基差：反事實(shí)分析

（一）回歸控制法設(shè)計(jì)

本部分將利用回歸控制法進(jìn)一步考察“8·11”匯改對(duì)人民幣基差的影響。鑒于反事實(shí)結(jié)果中CIP偏離的方向未知，本文著重考慮“8·11”匯改對(duì)于CIP偏離程度的影響。

1回歸控制法

回歸控制法這一反事實(shí)研究方法由Hsiao?et?al.（2012）提出，基本思想是利用截面?zhèn)€體之間的相關(guān)性，以未受政策干預(yù)的控制組（control?group）來(lái)估計(jì)干預(yù)組（treatment?group）在受到政策干預(yù)之后不可觀測(cè)的反事實(shí)結(jié)果。具體而言，回歸控制法認(rèn)為經(jīng)濟(jì)中存在驅(qū)動(dòng)截面?zhèn)€體的共同因子，而這些共同因子使得不同組別個(gè)體具有一定的截面相關(guān)性。比如，經(jīng)濟(jì)體的基差均會(huì)受到全球風(fēng)險(xiǎn)情緒、全球經(jīng)濟(jì)政策不確定性指數(shù)等的影響，盡管受到的影響程度可能不同。

回歸控制法自提出以來(lái)，在政策評(píng)估領(lǐng)域得到了廣泛應(yīng)用（Hsiao?&?Zhou，2019；Li?&?Bell，2017；王鵬和鄭靖宇，2017；Ouyang?&?Peng，2015）。相較于傳統(tǒng)回歸方法而言，回歸控制法具有透明和避免過(guò)分外推的優(yōu)點(diǎn)。相較于雙重差分法而言，回歸控制法很好地克服了以往實(shí)證方法中可能存在的樣本選擇偏差和政策內(nèi)生性的問(wèn)題，將時(shí)間因素對(duì)樣本變量的影響剝離，減少了主觀判斷所造成的偏誤。而相較于合成控制法（synthetic?control?methods，SCM）而言（Abadie?et?al.，2015；Abadie?et?al.，2010），回歸控制法中允許控制組權(quán)重為負(fù)，且允許常數(shù)項(xiàng)的存在以修正控制組與干預(yù)組之間的差異。

設(shè)政策干預(yù)組為個(gè)體1，其余均為政策控制組。給定個(gè)體i在時(shí)刻t的n月期基差實(shí)際值為basisit，t+n，i∈［1，N］，t∈［1，T］，n=1、3、6、12，其中在政策干預(yù)之前t=1，...，T0，政策干預(yù)時(shí)段為［T0+1，T］。basisNit，t+n表示個(gè)體i在未實(shí)施政策時(shí)刻t的n月期基差，?basisIit，t+n則代表個(gè)體i在受到政策影響后時(shí)刻t的n月期基差。那么，政策干預(yù)組的凈干預(yù)效應(yīng)可表示為α1t=basisI1t，t+n－basisN1t，t+n。再引入是否受到政策干預(yù)影響的虛擬變量D1t（t>T0時(shí)為1，其他為0）后，有：

basisI1t，t+n=α1tD1t+basisN1t，t+n（4）

其中，若要估計(jì)具體干預(yù)效應(yīng)值α1t，需要先估計(jì)在t>T0時(shí)期無(wú)法觀測(cè)的basisNit，t+n。回歸控制法的關(guān)鍵即在于構(gòu)造反事實(shí)變量basisNit，t+n的估計(jì)值baisNit，t+n。

假定basisNit，t+n由如下因子模型給定：

basisNit，t+n=δi+b′ift+εit（5）

其中，δi為個(gè)體固定效應(yīng)，ft為K×1維共同因子，bi為相應(yīng)的K×1維因子載荷（factor?loading），表示共同因子對(duì)不同個(gè)體產(chǎn)生的作用可以存在差異，εit為個(gè)體i的隨機(jī)擾動(dòng)項(xiàng)（idiosyncrastic?component）。矩陣表達(dá)形式可寫為：

basisNt，t+n=δ+Bft+εt（6）

其中，basisNt，t+n=（basisN1t，t+n，…，basisNNt，t+n），δ=（δ1，…，δN），BN×K=（b1，…，bN）。

Hsiao?et?al.（2012）、Li?&?Bell（2017）以及Hsiao?&?Zhou（2019）均證明，在一定的正則條件下，在式（6）的兩邊乘以B零空間的一個(gè)向量σ′（σ′B=0），可消去不可觀測(cè)的Bft，從而得到下列回歸方程：

basis1t，t+n=γ1+γ′baist，t+n+ε1t（7）

其中，baist，t+n=（basis2t，t+n，…，basisNt，t+n）′為所有控制組個(gè)體的結(jié)果變量。γ=（γ2…γN）為相對(duì)應(yīng)系數(shù)。本文使用政策沖擊之前的數(shù)據(jù)（t=1，...，T0），代入式（7）進(jìn)行OLS回歸，即可得到1和′。由此，可以預(yù)測(cè)個(gè)體1在政策沖擊之后的反事實(shí)結(jié)果（t=T0+1，…，T）：

baisN1t，t+n=1+′ba-ist，t+n（8）

基于上述反事實(shí)預(yù)測(cè)，可得政策干預(yù)的處理效應(yīng)估計(jì)值：

1t=basisI1t，t+n－baisN1t，t+n（9）

在具體實(shí)施回歸控制法進(jìn)行反事實(shí)評(píng)估時(shí)，還需要選擇放入式（7）的控制組個(gè)體數(shù)。放入的控制組個(gè)體數(shù)越多，回歸方程的R2越高，但也可能會(huì)產(chǎn)生過(guò)度擬合（overfit）的問(wèn)題。為此，本文依照Hsiao?et?al.（2012）的兩步法進(jìn)行控制組的選擇：第一步，利用窮舉法（best?subset?selection）選取次優(yōu)模型，依次選擇1，2，...，N-1個(gè)控制組個(gè)體進(jìn)入回歸模型，對(duì)于有m個(gè)控制組個(gè)體進(jìn)入的回歸模型，利用R2選擇其中擬合最好的一個(gè)，記為M（m）*，m=1，...，N－1；第二步，利用模型選擇標(biāo)準(zhǔn)AIC、BIC或AICC在次優(yōu)模型中選取最優(yōu)模型，最后再進(jìn)行OLS回歸得到反事實(shí)估計(jì)。

但在實(shí)踐中，考慮到窮舉法選取次優(yōu)模型的計(jì)算效率較低，以及可能存在N>T0的情況，本文使用Li?&?Bell（2017）的套索估計(jì)量（least?absolute?shrinkage?and?selection?operator，簡(jiǎn)稱Lasso）?該估計(jì)量是通過(guò)在估計(jì)項(xiàng)中加入懲罰項(xiàng)來(lái)避免過(guò)擬合，可以應(yīng)用于高維回歸之中（解釋變量數(shù)量大于樣本容量）。由于該懲罰項(xiàng)存在，Lasso成為收縮估計(jì)量，系數(shù)有偏，因此在實(shí)踐中常使用Lasso來(lái)選擇變量，但不使用Lasso下估計(jì)系數(shù)，而是基于Lasso篩選出的變量進(jìn)行OLS回歸。來(lái)進(jìn)行第一步中的變量篩選，在此基礎(chǔ)上再進(jìn)行第二步OLS回歸，即后LassoOLS估計(jì)。

2控制組及樣本區(qū)間選擇

中國(guó)作為擁有龐大市場(chǎng)體量的發(fā)展中經(jīng)濟(jì)體，在進(jìn)行其基差的反事實(shí)估計(jì)時(shí)，不能單純利用其他發(fā)展中經(jīng)濟(jì)體作為控制組。本文將新興市場(chǎng)經(jīng)濟(jì)體以及國(guó)際清算銀行（BIS）三年一次的央行調(diào)查中存在即期和場(chǎng)外衍生品市場(chǎng)外匯工具交易額的經(jīng)濟(jì)體作為控制組，以此對(duì)人民幣基差進(jìn)行反事實(shí)擬合。

第一，新興市場(chǎng)經(jīng)濟(jì)體是發(fā)展中經(jīng)濟(jì)體中具有某些共同特征的一類經(jīng)濟(jì)體：人均收入高于發(fā)展中經(jīng)濟(jì)體，但低于發(fā)達(dá)經(jīng)濟(jì)體；經(jīng)濟(jì)體內(nèi)正經(jīng)歷著廣泛的經(jīng)濟(jì)自由化改革；資本賬戶自由化的速度快于其他發(fā)展中經(jīng)濟(jì)體。本文將摩根士丹利國(guó)際資本（Morgan?Stanley?capital?international，MSCI）指數(shù)中的新興市場(chǎng)指數(shù)（emerging?markets?index，EMI）所包含的經(jīng)濟(jì)體視為新興市場(chǎng)經(jīng)濟(jì)體?這里所指的新興市場(chǎng)經(jīng)濟(jì)體包括：阿根廷、巴西、智利、哥倫比亞、捷克共和國(guó)、埃及、希臘、匈牙利、印度、印度尼西亞、韓國(guó)、馬來(lái)西亞、墨西哥、巴基斯坦、秘魯、菲律賓、波蘭、卡塔爾、俄羅斯、沙特阿拉伯、南非、中國(guó)臺(tái)灣、泰國(guó)、土耳其和阿拉伯聯(lián)合酋長(zhǎng)國(guó)。（張璟和劉曉輝，2015）?？紤]到樣本周期、數(shù)據(jù)的可得性與政策的外溢效應(yīng)，本文選擇其中17個(gè)經(jīng)濟(jì)體作為控制組的一部分?阿根廷、埃及和秘魯僅包含無(wú)本金交割遠(yuǎn)期外匯（NDF）數(shù)據(jù)、智利和哥倫比亞的匯率數(shù)據(jù)始于2018年、巴西與卡塔爾缺少相關(guān)利率數(shù)據(jù)或利率數(shù)據(jù)不足，故將上述7個(gè)經(jīng)濟(jì)體排除在控制組外。此外，中國(guó)臺(tái)灣作為中國(guó)不可分割的一部分，無(wú)法滿足控制組個(gè)體不會(huì)受到干預(yù)組政策試驗(yàn)影響的前提條件。綜合考慮后，本文選擇捷克共和國(guó)、希臘、匈牙利、印度、印度尼西亞、韓國(guó)、馬來(lái)西亞、墨西哥、巴基斯坦、菲律賓、波蘭、俄羅斯、沙特阿拉伯、南非、泰國(guó)、土耳其和阿拉伯聯(lián)合酋長(zhǎng)國(guó)作為控制組的一部分。。

第二，國(guó)際清算銀行（BIS）三年一次的央行調(diào)查顯示了世界各個(gè)經(jīng)濟(jì)體央行的外匯工具交易量，近三年來(lái)數(shù)據(jù)可得的經(jīng)濟(jì)體有53個(gè)（除中國(guó)和美國(guó)外）?這里所指53個(gè)經(jīng)濟(jì)體包含：阿根廷、澳大利亞、奧地利、巴林、比利時(shí)、巴西、保加利亞、加拿大、智利、中國(guó)臺(tái)灣、哥倫比亞、捷克共和國(guó)、丹麥、愛(ài)沙尼亞、芬蘭、法國(guó)、德國(guó)、希臘、中國(guó)香港、匈牙利、印度、印度尼西亞、愛(ài)爾蘭、以色列、意大利、日本、韓國(guó)、拉脫維亞、立陶宛、盧森堡、馬來(lái)西亞、墨西哥、荷蘭、新西蘭、挪威、秘魯、菲律賓、波蘭、葡萄牙、羅馬尼亞、俄羅斯、沙特阿拉伯、新加坡、斯洛伐克、斯洛文尼亞、南非、西班牙、瑞典、瑞士、泰國(guó)、土耳其、阿拉伯聯(lián)合酋長(zhǎng)國(guó)、英國(guó)。，考慮到與新興市場(chǎng)經(jīng)濟(jì)體的重合部分以及所選時(shí)間周期、數(shù)據(jù)的可得性與政策的外溢效應(yīng)，本文選擇其中的26個(gè)經(jīng)濟(jì)體作為控制組的另一部分?剔除與所選新興市場(chǎng)經(jīng)濟(jì)體相一致的經(jīng)濟(jì)體，所選集合內(nèi)仍包含31個(gè)經(jīng)濟(jì)體。由于中國(guó)香港與中國(guó)臺(tái)灣情況相同，無(wú)法保證其作為控制組具有外生性，將其剔除在控制組外。愛(ài)沙尼亞、立陶宛、斯洛伐克與斯洛文尼亞匯率存在缺失，故將其從中剔除，最終獲得26個(gè)經(jīng)濟(jì)體作為控制組的另一部分。。

綜合上述選取控制組方式，本文最終獲得43個(gè)經(jīng)濟(jì)體作為控制組，樣本經(jīng)濟(jì)體具體信息列于表4。

本部分將簡(jiǎn)述樣本區(qū)間選擇的原因。一方面，2008年金融危機(jī)對(duì)基差的存在性以及作用機(jī)制具有顯著影響，且在2008年之后出現(xiàn)了大量違反CIP的行為，尤其是美元（Baba?&?Packer，2009；Coffey?et?al.，2009），故本文使用2010年1月作為回歸控制法研究的樣本起始期。這主要是為了在保證數(shù)據(jù)量的情況下，規(guī)避2008年金融危機(jī)的影響，而2010年1月基差的影響機(jī)制已基本確定，不涉及機(jī)制轉(zhuǎn)換的問(wèn)題。另一方面，2020年受到新冠疫情的影響，全球經(jīng)濟(jì)景氣度下降，美元融資市場(chǎng)動(dòng)蕩（Avdjiev?et?al.，2020），為了規(guī)避這一大沖擊對(duì)基差的影響，本文將樣本結(jié)束期選至2019年12月。

本文將進(jìn)行了“8·11”匯改的中國(guó)作為干預(yù)組，將其他未經(jīng)此政策的經(jīng)濟(jì)體作為控制組，政策試驗(yàn)的時(shí)間區(qū)間為2010年1月到2019年12月，政策干預(yù)時(shí)點(diǎn)為2015年8月。

（二）經(jīng)驗(yàn)研究結(jié)果

1政策動(dòng)態(tài)效應(yīng)評(píng)估

基于前文回歸結(jié)果和分析，本文選擇人民幣1月期、3月期、6月期和12月期基差（2010年1月—2019年12月）作為研究對(duì)象，并以43個(gè)經(jīng)濟(jì)體作為控制組?？紤]到高維回歸的可能性，并相應(yīng)提高計(jì)算效率，本文使用后LassoOLS估計(jì)和AICC信息準(zhǔn)則在次優(yōu)模型中選取最優(yōu)模型。

通過(guò)對(duì)比人民幣四種期限基差和除中國(guó)外43個(gè)經(jīng)濟(jì)體的四種期限的平均基差（2010年1月—2019年12月）的變動(dòng)趨勢(shì)可知：一方面，在?“8·11”匯改前，人民幣的基差無(wú)論是在波動(dòng)幅度還是在具體數(shù)值上均與其他經(jīng)濟(jì)體平均水平存在較大差異；另一方面，“8·11”?匯改之后人民幣的四種期限的CIP偏離程度都在減小，基差在0處附近波動(dòng)，而其他經(jīng)濟(jì)體平均水平在“8·11”匯改之后與之前相比變動(dòng)趨勢(shì)未發(fā)生顯著改變?限于篇幅，此處未展示人民幣四種期限基差和除中國(guó)外43個(gè)經(jīng)濟(jì)體的四種期限的平均基差變動(dòng)趨勢(shì)，留存?zhèn)渌?。?/p>

使用回歸控制法選擇合成中國(guó)的最優(yōu)控制組，四種期限（1月期、3月期、6月期和12月期）人民幣基差所選擇的控制組經(jīng)濟(jì)體、回歸系數(shù)、標(biāo)準(zhǔn)誤以及模型擬合優(yōu)度參見(jiàn)表5。由表5可知：根據(jù)AICC準(zhǔn)則，四種期限基差回歸方程分別選擇了3個(gè)、6個(gè)、2個(gè)和8個(gè)經(jīng)濟(jì)體，回歸系數(shù)與常數(shù)項(xiàng)基本均顯著；四種期限基差回歸的擬合優(yōu)度分別為6366%、8169%、8157%和9240%，說(shuō)明均具有較好擬合度。

圖2描繪了1月期、3月期、6月期和12月期人民幣基差真實(shí)值和反事實(shí)值的變動(dòng)趨勢(shì)。從圖2可知，一方面，在政策實(shí)施前（圖形中垂直于橫軸的短虛線左側(cè)），四種期限的基差反事實(shí)預(yù)測(cè)值均與人民幣基差的實(shí)際觀測(cè)值十分接近，較好地描述了人民幣基差真實(shí)值的變動(dòng)趨勢(shì)，同時(shí)大部分拐點(diǎn)也都得到了較好的擬合，這表明所選控制組可以很好地模擬人民幣基差的走勢(shì)。另一方面，在“8·11”匯改之后（即圖形垂直于橫軸的虛線右側(cè)），四種期限的基差反事實(shí)預(yù)測(cè)值開(kāi)始與實(shí)際觀測(cè)值出現(xiàn)較大的偏差，真實(shí)的基差開(kāi)始向0趨近（0值代表CIP成立），而反事實(shí)基差則逐漸遠(yuǎn)離0。同時(shí)，與反事實(shí)預(yù)測(cè)值的變動(dòng)幅度相對(duì)比，可以觀察到人民幣基差的真實(shí)值更為穩(wěn)定，方差更小。以上均表明“8·11”匯改顯著降低了CIP的偏離程度。

進(jìn)一步，將人民幣基差的實(shí)際觀測(cè)值減去反事實(shí)預(yù)測(cè)值，得到?“8·11”匯改的政策效應(yīng)。可以發(fā)現(xiàn)，四種期限下計(jì)算出的政策效應(yīng)均存在上升趨勢(shì)，即真實(shí)值與反事實(shí)值的差距逐步擴(kuò)大。本文主要關(guān)注“8·11”匯改對(duì)人民幣CIP偏離程度的影響，而非絕對(duì)值相減下的政策效應(yīng)，故將結(jié)合人民幣四種期限基差的真實(shí)值、反事實(shí)值與政策效應(yīng)（2015年8月—2019年12月）的具體數(shù)值進(jìn)行分析。由于時(shí)間區(qū)間較長(zhǎng)，此處不進(jìn)行單個(gè)時(shí)間點(diǎn)數(shù)值的分析，僅分析其平均偏離CIP的程度。由反事實(shí)結(jié)果可知，人民幣1月期、3月期、6月期和12月期的基差在“8·11”匯改后真實(shí)值均值與0的距離分別為139452、524644、583968和636119，反事實(shí)值均值與0的距離分別為4080084、5065626、6409016和1922170，即反事實(shí)均值與0的距離大于真實(shí)值均值與0的距離，再度驗(yàn)證了“8·11”匯改后CIP的偏離程度顯著減小的結(jié)論?限于篇幅，此處具體結(jié)果的相關(guān)圖形及表格均留存?zhèn)渌??！?/p>

圖2四種期限人民幣基差真實(shí)值與反事實(shí)值的比較

注：數(shù)據(jù)為使用反事實(shí)方法計(jì)算結(jié)果。參考線為兩條短虛線，其中垂直于橫軸的參考線代表人民幣基差為0，即CIP成立；垂直于縱軸的參考線代表2015年7月。（避免遮擋政策實(shí)施起始點(diǎn)的觀測(cè)值，故本文使用政策實(shí)施起始點(diǎn)前一期作為參考線。）后圖同。

綜上，可以認(rèn)為“8·11”匯改顯著降低了CIP的偏離程度。

2穩(wěn)健性檢驗(yàn)

本部分將進(jìn)行政策動(dòng)態(tài)效應(yīng)評(píng)估部分反事實(shí)分析的穩(wěn)健性檢驗(yàn)。第一，使用BIC信息準(zhǔn)則來(lái)選擇最優(yōu)模型；第二，在進(jìn)行OLS估計(jì)的因子模型中加入?yún)f(xié)變量；第三，基于Abadie?et?al.（2015）的研究將政策時(shí)間前移至2015年2月，進(jìn)行安慰劑檢驗(yàn)。

（1）使用BIC準(zhǔn)則選擇最優(yōu)模型?；贐IC準(zhǔn)則選擇最優(yōu)反事實(shí)估計(jì)模型，四種期限的人民幣基差數(shù)據(jù)組分別選擇了3個(gè)、6個(gè)、2個(gè)和7個(gè)經(jīng)濟(jì)體，除12月期基差數(shù)據(jù)組所選擇的經(jīng)濟(jì)體減少了波蘭外，其余期限基差數(shù)據(jù)組所選經(jīng)濟(jì)體均相同，擬合優(yōu)度分別為6366%、8169%、8157%和9137%。使用BIC準(zhǔn)則所得的真實(shí)值與反事實(shí)估計(jì)值，與使用AICC準(zhǔn)則所獲得的結(jié)果十分接近，這再次驗(yàn)證了“8·11”匯改顯著降低CIP的偏離程度這一結(jié)論。

（2）加入?yún)f(xié)變量選擇最優(yōu)模型的穩(wěn)健性檢驗(yàn)。本文使用Hsiao?&?Zhou（2019）提出的包含可觀測(cè)控制變量的因子模型進(jìn)行后LassoOLS估計(jì)。

Hsiao?&?Zhou（2019）假設(shè)basisN1t，t+n由如下因子模型給定：

basisN1t，t+n=x′it，t+nρ+b′ift+εit（10）

其中，xit，t+n為可觀測(cè)控制變量。同理，也可預(yù)測(cè)個(gè)體1在政策沖擊之后的反事實(shí)結(jié)果（t=1，...，T0）：

baisN1t，t+n=1+′zt，t+n（11）

其中，zt，t+n=（basis2t，t+n，…，basisNt，t+n，x1t，t+n，…，xNt，t+n）。

通過(guò)加入?yún)f(xié)變量并使用后LassoOLS估計(jì)方法進(jìn)行反事實(shí)分析，可以發(fā)現(xiàn)真實(shí)值的CIP偏離程度逐漸減小，而反事實(shí)值與0的距離逐漸擴(kuò)大，且逐漸顯著大于真實(shí)值與0的距離，又一次驗(yàn)證了“8·11”匯改顯著降低了CIP偏離程度的結(jié)論。同時(shí)，該反事實(shí)結(jié)果的擬合優(yōu)度分別為7991%、8402%、8314%和9726%，一定程度上彌補(bǔ)了基礎(chǔ)分析中1月期基差反事實(shí)結(jié)果擬合優(yōu)度相對(duì)較差的問(wèn)題，驗(yàn)證了研究結(jié)論的穩(wěn)健性。

（3）改變政策發(fā)生時(shí)點(diǎn)的安慰劑檢驗(yàn)。本文基于Abadie?et?al.（2015）的研究，使用改變政策發(fā)生時(shí)點(diǎn)的安慰劑檢驗(yàn)法，將政策沖擊開(kāi)始的時(shí)間前移至2015年2月，估計(jì)結(jié)果如圖3所示。圖3展示了四種期限人民幣基差反事實(shí)值與真實(shí)值的趨勢(shì)，其中四種期限的人民幣基差反事實(shí)值在2015年2月—2015年8月與真實(shí)值高度一致，之后二者出現(xiàn)明顯的分離，表明“8·11”匯改是導(dǎo)致基差偏離程度顯著降低的根本原因，這為政策效應(yīng)動(dòng)態(tài)評(píng)估部分結(jié)論的穩(wěn)健性提供了證據(jù)。

圖3安慰劑檢驗(yàn)

注：政策沖擊始于2015年2月。

四、結(jié)論和展望

“8·11”匯改影響了中間價(jià)的決定，使得中間價(jià)更加市場(chǎng)化，提高了中間價(jià)報(bào)價(jià)的合理性與彈性，也使得匯率這一價(jià)格更多地反映市場(chǎng)的供求力量及投資者預(yù)期的變化。而CIP作為解釋匯率決定機(jī)制的重要理論，闡述了利率與匯率之間的聯(lián)動(dòng)關(guān)系。但無(wú)論國(guó)內(nèi)還是國(guó)外對(duì)于人民幣CIP偏離程度的研究均較少，且已有研究大多忽略了“8·11”匯改可能產(chǎn)生的影響。本文從CIP偏離的角度出發(fā)，利用統(tǒng)計(jì)學(xué)方法來(lái)描述“8·11”匯改的影響，并使用回歸控制法，以43個(gè)經(jīng)濟(jì)體作為控制組，使用人民幣基差（1月期、3月期、6月期和12月期）在2010年1月—2019年12月的數(shù)據(jù)，量化“8·11”匯改的影響。

研究結(jié)果表明：（1）無(wú)論是總樣本、“8·11”匯改前子樣本還是“8·11”匯改后子樣本，四種期限的人民幣CIP均存在持續(xù)偏離，人民幣基差始終存在。此外，“8·11”匯改后子樣本人民幣CIP偏離程度顯著低于匯改前子樣本。同時(shí)，總樣本與“8·11”匯改前子樣本中四種期限的基差均受到利差、買賣價(jià)差、全球風(fēng)險(xiǎn)情緒、經(jīng)濟(jì)政策不確定性、資本流動(dòng)性與美元指數(shù)的影響。但“8·11”匯改后子樣本四種期限的基差幾乎不受利差、買賣價(jià)差與資本流動(dòng)性的影響，VIX指數(shù)的解釋能力也被削弱。（2）利用反事實(shí)政策評(píng)估方法的研究發(fā)現(xiàn)，“8·11”匯改顯著降低了人民幣CIP的偏離程度，并且該結(jié)論與以BIC信息準(zhǔn)則來(lái)選擇最優(yōu)模型、加入?yún)f(xié)變量進(jìn)行反事實(shí)分析下的結(jié)果一致，同時(shí)也通過(guò)了改變政策時(shí)間的安慰劑檢驗(yàn)，具有穩(wěn)健性。

基于上述結(jié)論，本文認(rèn)為2015年“8·11”匯改之后，中國(guó)境內(nèi)外匯市場(chǎng)開(kāi)放程度不斷提升，人民幣CIP的偏離程度顯著降低，這反映了外匯掉期所隱含的美元利率與美元名義利率水平之間的差異在逐漸降低。與之相對(duì)應(yīng)的是，外匯市場(chǎng)的供求力量更加多元化，更多的參與者進(jìn)入外匯市場(chǎng)的定價(jià)決策，交易需求也被進(jìn)一步拓展，且外匯市場(chǎng)與貨幣市場(chǎng)的聯(lián)動(dòng)性增加，市場(chǎng)間的分割程度也在不斷下降。

本文從現(xiàn)實(shí)情況出發(fā)，從時(shí)序的角度描述了人民幣CIP條件的成立性，探討了“8·11”匯改前后人民幣CIP偏離程度的變化及“8·11”匯改對(duì)人民幣CIP偏離程度的影響，豐富了貨幣基差尤其是人民幣基差的相關(guān)研究，拓展了“8·11”匯改政策評(píng)估的視角，揭示了基差交易中存在的套利機(jī)會(huì)，提出了未來(lái)人民幣外匯市場(chǎng)和匯率制度改革的方向。

基于此，本文提出如下政策建議：

第一，隨著人民幣國(guó)際化進(jìn)程的不斷加深以及利率市場(chǎng)化改革的持續(xù)推進(jìn)，應(yīng)當(dāng)進(jìn)一步推動(dòng)中國(guó)外匯掉期等產(chǎn)品的建設(shè)和完善，進(jìn)一步降低掉期交易的成本，助力掉期交易等市場(chǎng)的長(zhǎng)遠(yuǎn)發(fā)展。

第二，盡管“8·11”匯改后人民幣CIP的偏離程度顯著降低，促進(jìn)了外匯市場(chǎng)效率的改善，但人民幣CIP基差在“8·11”匯改之后仍然存在，這說(shuō)明外匯市場(chǎng)的效率仍有改善的空間。因此，中國(guó)應(yīng)進(jìn)一步完善匯率中間價(jià)的形成機(jī)制，使之更充分地反映市場(chǎng)的供求關(guān)系，并考慮進(jìn)一步放松匯率的波動(dòng)幅度，提高匯率形成機(jī)制的彈性，為未來(lái)實(shí)現(xiàn)匯率自由浮動(dòng)奠定基礎(chǔ)。

此外，盡管短期與長(zhǎng)期基差真實(shí)值所呈現(xiàn)的時(shí)序變動(dòng)趨勢(shì)較為一致，但在“8·11”匯改之后，人民幣長(zhǎng)期與短期基差的反事實(shí)值存在一定的倒掛現(xiàn)象。Borio?et?al.（2018）的研究表明在貨幣市場(chǎng)摩擦以及融資和市場(chǎng)流動(dòng)性等因素的影響下，短期基差擴(kuò)大，從而導(dǎo)致基差的期限結(jié)構(gòu)傾斜，那么“8·11”匯改是否對(duì)基差的期限結(jié)構(gòu)產(chǎn)生了影響？這一問(wèn)題值得進(jìn)一步思考，故留作后續(xù)研究。參考文獻(xiàn)：

［1］何暑子，范從來(lái)，康志勇.匯率與出口企業(yè)“生產(chǎn)率悖論”［J］.世界經(jīng)濟(jì)與政治論壇，2022（4）.

［2］李政.“811匯改”提高了人民幣匯率中間價(jià)的市場(chǎng)基準(zhǔn)地位嗎？［J］.金融研究，2017（4）.

［3］劉曉輝.人民幣匯率制度選擇與轉(zhuǎn)型：基于社會(huì)福利視角的分析［M］.北京：人民出版社，2008.

［4］劉曉輝，張震，亢宇君.人民幣匯率制度彈性測(cè)算［J］.世界經(jīng)濟(jì)與政治論壇，2018（6）.

［5］譚小芬，高志鵬.中美利率平價(jià)的偏離：資本管制抑或風(fēng)險(xiǎn)因素？——基于2003—2015年月度數(shù)據(jù)的實(shí)證檢驗(yàn)［J］.國(guó)際金融研究，2017（4）.

［6］王鵬，鄭靖宇.自由貿(mào)易試驗(yàn)區(qū)的設(shè)立如何影響貿(mào)易方式轉(zhuǎn)型——基于廣東自由貿(mào)易試驗(yàn)區(qū)的實(shí)證研究［J］.國(guó)際貿(mào)易問(wèn)題，?2017（6）.

［7］王雪，胡明志.匯改提高了人民幣國(guó)際化水平嗎？——基于“7·21”匯改和“8·11”匯改的視角［J］.國(guó)際金融研究，2019（8）.

［8］肖立晟，劉永余.人民幣非拋補(bǔ)利率平價(jià)為什么不成立：對(duì)4個(gè)假說(shuō)的檢驗(yàn)［J］.管理世界，2016（7）.

［9］肖祖沔，向麗錦.資本管制與中國(guó)非拋補(bǔ)利率平價(jià)扭曲［J］.世界經(jīng)濟(jì)研究，2019（4）.

［10］徐娟，楊亞慧.“811匯改”前后人民幣匯率運(yùn)行特征的研究［J］.世界經(jīng)濟(jì)研究，2019（8）.

［11］張璟，劉曉輝.金融結(jié)構(gòu)與固定匯率制度：來(lái)自新興市場(chǎng)的假說(shuō)和證據(jù)［J］.世界經(jīng)濟(jì)，2015（10）.

［12］Abadie?A，?Diamond?A，?Hainmueller?J.?Comparative?Politics?and?the?Synthetic?Control?Method［J］.?American?Journal?of?Political?Science，?2015，?59（2）.

［13］Abadie?A，?Diamond?A，?Hainmueller?J.?Synthetic?Control?Methods?for?Comparative?Case?Studies：?Estimating?the?Effect?of?Californias?Tobacco?Control?Program［J］.?Journal?of?the?American?Statistical?Association，?2010，?105（490）.

［14］Akram?Q?F，?Rime?D，?Sarno?L.?Arbitrage?in?the?Foreign?Exchange?Market：?Turning?on?the?Microscope［J］.?Journal?of?International?Economics，?2008，?76（2）.

［15］Anderson?A，?Du?W?X，?Schlusche?B.?Money?Market?Fund?Reform?and?Arbitrage?Capital［Z］.?Web?Finance?Conference?Paper，?2019.

［16］Avdjiev?S，?Du?W?X，?Koch?C，?et?al.?The?Dollar，?Bank?Leverage，and?Deviations?from?Covered?Interest?Parity［J］.?American?Economic?Review：?Insights，?2019，?1（2）.

［17］Avdjiev?S，?Eren?E，?McGuire?P.?Dollar?Funding?Costs?During?the?Covid19?Crisis?Through?the?Lens?of?the?FX?Swap?Market［Z］.?BIS?Bulletin，?2020，No.1.

［18］Baba?N，?Packer?F.?Interpreting?Deviations?from?Covered?Interest?Parity?During?the?Financial?Market?Turmoil?of?200708［J］.?Journal?of?Banking?&?Finance，?2009，?33（11）.

［19］Baker?S?R，?Bloom?N，?Davis?S?J.?Measuring?Economic?Policy?Uncertainty［J］.?The?Quarterly?Journal?of?Economics，?2016，?131（4）.

［20］Borio?C，?Iqbal?M，?McCauley?R?N，?et?al.?The?Failure?of?Covered?Interest?Parity：?FX?Hedging?Demand?and?Costly?Balance?Sheets［Z］.?BIS?Working?Paper，?2018，No.590.

［21］Bruning?F，?Puria?K.?Uncovering?Covered?Interest?Parity：?The?Role?of?Bank?Regulation?and?Monetary?Policy［Z］.?Federal?Reserve?Bank?of?Boston?Research?Paper?Series?Current?Policy?Perspectives?Paper，?2017，No.173.

［22］Cerutti?E?M，?Obstfeld?M，?Zhou?H?N.?Covered?Interest?Parity?Deviations：?Macrofinancial?Determinants?［J］.?Journal?of?International?Economics，?2021，?130.

［23］Cheung?Y?W，?Hui?C?H，?Tsan?A.?Renminbi?Central?Parity：?An?Empirical?Investigation［J］.?Pacific?Economic?Review，?2018，?23（2）.

［24］Coffey?N，?Hrung?W?B，?Sarkar?A.?Capital?Constraints，?Counterparty?Risk?and?Deviations?from?Covered?Interest?Rate?Parity［Z］.?Federal?Reserve?Bank?of?New?York?Staff?Report，?2009，No.393.

［25］Du?W?X，?Tepper?A，?Verdelhan?A.?Deviations?from?Covered?Interest?Rate?Parity［J］.?The?Journal?of?Finance，?2018，?73（3）.

［26］Gulen?H，?ION?M.?Policy?Uncertainty?and?Corporate?Investment［J］.?The?Review?of?Financial?Studies，?2016，?29（3）.

［27］Hsiao?C，?Ching?H?S，?Wan?S?K.?A?Panel?Data?Approach?for?Program?Evaluation：?Measuring?the?Benefits?of?Political?and?Economic?Integration?of?Hong?Kong?with?Mainland?China［J］.?Journal?of?Applied?Econometrics，?2012，?27（5）.

［28］Hsiao?C，?Zhou?Q?K.?Panel?Parametric，?Semiparametric，and?Nonparametric?Construction?of?Counterfactuals?［J］.?Journal?of?Applied?Econometrics，?2019，?34（4）.

［29］Ilzetzki?E，?Reinhart?C?M，?Rogoff?K?S.?Exchange?Arrangements?Entering?the?TwentyFirst?Century：?Which?Anchor?Will?Hold？［J］.?The?Quarterly?Journal?of?Economics，?2019，?134（2）.

［30］Ivashina?V，?Scharfstein?D?S，?Stein?J?S.?Dollar?Funding?and?the?Lending?Behavior?of?Global?Banks［J］.The?Quarterly?Journal?of?Economics，?2015，?130（3）.

［31］Li?K?T，?Bell?D?R.?Estimation?of?Average?Treatment?Effects?with?Panel?Data：?Asymptotic?Theory?and?Implementation［J］.?Journal?of?Econometrics，?2017，?197（1）.

［32］Liao?G?Y.?Credit?Migration?and?Covered?Interest?Rate?Parity［J］.?Journal?of?Financial?Economics，?2020，138（2）.

［33］McCormick?F.?Covered?Interest?Arbitrage：?Unexploited?Profits？?Comment［J］.?Journal?of?Political?Economy，?1979，?87（2）.

［34］Ouyang?M，?Peng?Y?L.?The?TreatmentEffect?Estimation：?A?Case?Study?of?the?2008?Economic?Stimulus?Package?of?China［J］.?Journal?of?Econometrics，?2015，?188（2）.

［35］Pinnington?J，?Shamloo?M.?Limits?to?Arbitrage?and?Deviations?from?Covered?Interest?Rate?Parity［Z］.?Bank?of?Canada?Staff?Discussion?Paper，?2016，No.20164.

［36］Rime?D，?Schrimpf?A，?Syrstad?O.?Covered?Interest?Parity?Arbitrage［J］.?The?Review?of?Financial?Studies，?2022，?35（11）.

（責(zé)任編輯：蔣妍）