识别伊朗外汇市场中的理性泡沫：一种马尔可夫区制转换方法

1. 引言

本研究旨在探究伊朗非官方外汇市场中理性投机泡沫的存在与动态演变。外汇市场是任何经济体的关键组成部分，直接影响竞争力、贸易、投资和通货膨胀。在伊朗，该市场以高波动性为特征，深受石油收入冲击、经济制裁和投机行为的影响。本文所要解决的核心问题是汇率偏离其基本价值，若政策制定者不加干预，可能导致货币危机。本文旨在利用先进的计量经济学模型识别这些泡沫时期，为更有效的货币和汇率政策干预提供早期预警信号。

2. 文献综述与理论框架

2.1. 资产定价中的理性泡沫

理性泡沫的概念源于资产定价文献，指资产的市场价格持续偏离基于预期未来现金流现值的基本价值。在理性泡沫中，交易者愿意支付高于基本价值的价格，因为他们预期未来能以更高的价格卖出（Blanchard & Watson, 1982）。这种自我实现的预言可能导致价格呈爆炸性增长。

2.2. 汇率决定与市场失灵

传统的宏观经济模型（如货币分析法、资产组合平衡法）常常无法解释中短期汇率波动，这是由Meese和Rogoff（1983）强调的一个谜题。行为金融学引入了投资者情绪、羊群效应和投机性攻击等要素作为关键驱动因素。“脱钩之谜”表明，汇率常常受到标准基本面之外的因素驱动。

2.3. 伊朗外汇市场背景

伊朗的外汇市场在一个多层体系中运行，包括官方汇率、次级市场汇率和非官方（黑市）汇率。非官方市场由供需失衡、资本外逃以及对制裁和石油收入的预期驱动，极易形成泡沫。中央银行通常通过出售石油所得外汇进行干预以稳定市场，但可能被投机压力所压倒。

3. 方法论与模型设定

3.1. 具有时变转移概率的马尔可夫区制转换模型

本研究采用马尔可夫区制转换模型，这是一种区制转换模型，其中经济可能处于不同状态（例如，平静、爆炸、崩溃）。其关键创新在于使用了时变转移概率。与具有固定状态转换概率的标准MS模型不同，TVTP变体允许从一个区制转换到另一个区制的概率依赖于观测到的经济变量（例如，制裁强度、外汇储备变化）。这使得模型在捕捉政策变化和外部冲击对市场情绪的影响方面更为现实。

3.2. 模型设定与泡沫识别

该模型为非官方汇率（$s_t$）设定了三个不同的区制：

1. 爆炸区制： 以汇率快速上升（贬值）为特征，标志着泡沫。
2. 平静区制： 以温和、稳定的趋势为特征。
3. 崩溃区制： 以泡沫破裂后汇率急剧回调或下跌为特征。

3.3. 数据与变量

分析使用2010年3月至2018年9月的月度数据。主要变量是美元对伊朗里亚尔的非官方市场汇率。转移概率被建模为以下变量的函数：

• 制裁指数： 外部经济压力的代理变量，会增加对避险货币的需求。
• 外汇储备变化： 表明中央银行干预和捍卫本币的能力。

4. 实证结果与分析

4.1. 模型估计与区制分类

MS-TVTP模型被成功估计。平滑概率图清晰地显示了模型将时间线划分为三个不同区制的能力。该模型在精确定位市场压力时期方面表现出很高的准确性。

4.2. 泡沫时期的识别

该模型识别出非官方美元/里亚尔汇率的几个爆炸性泡沫时期：

• 2011年5月 (5/90)
• 2011年9月-10月 (9/90 – 10/90)
• 2012年7月 (7/91)
• 2012年10月-11月 (10/91 – 11/91)
• 2013年4月 (4/92)
• 2018年1月-6月 (1/97 – 6/97)

4.3. 预警指标表现

制裁指数被证明是向爆炸区制转换的一个高度显著的驱动因素。该指数的上升增加了市场从平静或崩溃状态转向爆炸性泡沫状态的概率。外汇储备的变化也很显著；储备下降（削弱干预能力）增加了进入或停留在爆炸区制的可能性。崩溃区制往往紧随爆炸时期之后，并且常常与中央银行大力干预或市场压力暂时缓解同时发生。

5. 讨论与启示

5.1. 核心洞见与逻辑脉络

核心洞见： 伊朗里亚尔的价值不仅仅由油价或货币供应决定；它更是一个心理战场。本文的精妙之处在于将这一点形式化：汇率是信念区制的函数。制裁不仅扼制经济，还会触发市场心理从“平静”到“恐慌”的切换，从而启动一个理性泡沫，此时购买美元成为一种生存策略，而非投机赌博。

逻辑脉络： 论证过程非常精妙。1) 标准模型失效（Meese-Rogoff谜题）。2) 因此，纳入预期和区制因素。3) 制裁和储备变化是改变这些预期的可观测代理变量。4) MS-TVTP模型捕捉了这一点，识别出精确的泡沫窗口。逻辑严密：如果你能对转换机制建模，你就能预测泡沫。

5.2. 方法的优势与缺陷

优势：

• 务实的智慧： 它绕开了在伊朗这样扭曲的经济体中衡量“基本面”这一不可能的任务。相反，它专注于更易观察的偏离过程。
• 政策就绪的输出： 该模型不仅说“存在泡沫”；它说“下个月进入泡沫的概率是X%，由制裁水平Y驱动”。这是可操作的情报。
• 实证验证： 识别出的泡沫时期与历史危机相符，赋予了模型很强的表面效度。

• 黑箱预警指标： “制裁指数”是一个构造变量。其构成和权重至关重要，但可能具有主观性。垃圾进，垃圾出。
• 滞后于现实： 模型基于历史数据估计。在快速发展的危机中，指标（如储备变化）的报告可能存在滞后，降低了实时效用。
• 理性假设： “理性”泡沫框架可能低估了纯粹的恐慌和羊群行为，这些行为可能是不理性的，并且其自我强化的速度可能超过任何模型所能捕捉的范围。

5.3. 对政策制定者的可操作建议

对于伊朗中央银行和金融稳定委员会而言，这项研究是一本战术手册，而不仅仅是一项学术练习。

1. 监控转换，而非仅关注水平： 将关注点从绝对汇率水平转移到区制转换的概率。一个制裁压力上升的平静市场是爆炸前状态。
2. 战略性储备弹药： 外汇储备是抗击泡沫的主要工具。模型显示干预在“崩溃”阶段更有效。在爆炸性泡沫中期（当市场情绪极度悲观时）消耗储备是徒劳的。干预时机应选择在催化从爆炸区制向崩溃区制转换的时刻。
3. 将管理预期作为核心政策工具： 既然市场由信念驱动，沟通和信誉就至关重要。透明、基于规则的干预政策有助于锚定预期，降低转向爆炸区制的可能性。不透明或反复无常的政策则会产生相反效果。
4. 构建实时预警系统： 将本模型操作化。向其输入关于制裁新闻流的实时数据（使用自然语言处理技术分析新闻电讯）、准实时的储备估计以及市场深度指标。这将创建一个用于危机预防的仪表板。

6. 技术附录

6.1. 数学公式

MS-TVTP模型的核心可以表示如下。令 $s_t$ 为非官方汇率的对数。该过程建模为：

$\Delta s_t = \mu(S_t) + \epsilon_t, \quad \epsilon_t \sim N(0, \sigma^2(S_t))$

其中 $S_t \in \{1,2,3\}$ 表示未观测到的区制（1=平静，2=爆炸，3=崩溃）。区制之间的转换由一个概率矩阵 $P_t$ 控制，其中每个元素 $p_{ij,t} = Pr(S_t = j | S_{t-1} = i)$ 是时变的。

这些时变概率使用多项Logit设定进行建模：

$p_{ij,t} = \frac{\exp(\theta_{ij} + \beta_{ij}' Z_{t-1})}{\sum_{k=1}^{3} \exp(\theta_{ik} + \beta_{ik}' Z_{t-1})}$

其中 $Z_{t-1}$ 是 $t-1$ 时刻的预警指标向量（例如，制裁指数、储备变化），$\theta_{ij}, \beta_{ij}$ 是待估参数。这种设定使得切换到泡沫区制的可能性直接依赖于可观测的经济压力。

6.2. 分析框架示例

场景： 伊朗中央银行的一位分析师希望评估下一季度形成投机泡沫的风险。

框架应用：

1. 数据输入： 收集制裁指数（例如，源自对主要西方媒体和政府声明的新闻情绪分析）和月度外汇储备变化的最新值。
2. 模型查询： 将这些值输入估计好的MS-TVTP模型。模型使用当前推断的区制状态（来自最新的汇率数据）和输入的 $Z_t$ 值。
3. 输出解读： 模型输出下一时期处于三个区制中每一个的概率。例如：
   • $Pr(平静) = 0.15$
   • $Pr(爆炸) = 0.80$
   • $Pr(崩溃) = 0.05$
4. 可操作的结论： 进入爆炸区制的概率为80%是一个危险信号。分析师的报告将强调，鉴于当前高制裁压力和储备下降，市场极有可能进入泡沫阶段。这将触发建议，要求中央银行准备应急预案，考虑采取先发制人的沟通以管理预期，并审查储备部署策略。

7. 未来应用与研究展望

本研究的方法论和洞见在伊朗特定背景之外具有广泛的适用性。

• 其他受制裁或脆弱经济体： 该模型可适用于委内瑞拉、俄罗斯或土耳其等国家，这些国家的地缘政治风险和资本流动波动性创造了类似的动态。关键在于识别正确的本地预警指标（例如，政治稳定指数、大宗商品价格波动性）。
• 加密货币市场： 加密货币市场以因情绪和监管新闻驱动泡沫而闻名。使用社交媒体情绪、监管公告指数和链上指标的MS-TVTP模型，对于识别比特币或以太坊的泡沫区制可能非常有效。
• 与机器学习结合： 未来的工作可以用机器学习分类器（例如，随机森林、神经网络）替代转移概率的Logit设定，以捕捉指标与区制转换之间更复杂、非线性的关系。
• 实时仪表板开发： 合乎逻辑的下一步是构建一个软件仪表板，该仪表板接收实时数据流，持续运行模型，并像“金融稳定天气图”一样，直观地提醒政策制定者泡沫概率的上升。
• 政策模拟： 该模型可用于模拟不同政策行动（例如，大规模注入储备、利率变化）对转移概率的影响，有助于在部署前评估政策工具的潜在有效性。

8. 参考文献

1. Blanchard, O. J., & Watson, M. W. (1982). Bubbles, rational expectations and financial markets. In P. Wachtel (Ed.), Crises in the Economic and Financial Structure. Lexington Books.
2. Meese, R. A., & Rogoff, K. (1983). Empirical exchange rate models of the seventies: Do they fit out of sample? Journal of International Economics, 14(1-2), 3-24.
3. Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
4. Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308.
5. Taiebnia, A., Mehraara, M., & Akhtari, A. (2019). [伊朗非官方汇率市场中的理性泡沫与投机性攻击：基于时变转移概率的马尔可夫区制转换模型]. 科学研究经济研究季刊, 19(74), 111-164. (原始波斯语出版物).
6. International Monetary Fund. (2023). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). Retrieved from IMF eLibrary.
7. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in neural information processing systems, 27. (作为适用于区制检测的高级建模技术示例被引用).