1. 引言
外匯市場係任何經濟體嘅關鍵組成部分，直接影響貿易競爭力、投資同國內價格穩定。喺伊朗，呢個市場以顯著波動性為特徵，尤其係美元兌伊朗里亞爾（USD/IRR）嘅非官方匯率。呢種波動性經常偏離基本經濟因素，表明存在投機性理性泡沫。本文旨在運用先進嘅計量經濟學框架，識別2010年至2018年間伊朗非官方外匯市場中嘅呢類泡沫。核心目標係建立一個可靠嘅預警系統，能夠偵測爆炸性泡沫狀態——呢啲狀態通常喺全面貨幣危機之前出現，從而為政策制定者提供一個用於及時干預嘅關鍵工具。
2. 文獻綜述與理論框架
2.1 外匯市場中嘅理性泡沫
當資產（例如外幣）嘅市場價格基於交易者嘅理性預期，系統性地偏離其基本價值時，就會出現理性泡沫。交易者繼續以高價買入，因為佢哋預期未來可以更高價賣出，令泡沫成為一個自我實現嘅預言，直到佢無可避免地爆破為止。
2.2 傳統匯率模型嘅失效
Meese同Rogoff（1983）嘅開創性工作表明，標準宏觀經濟模型（例如貨幣模型）喺樣本外預測匯率方面，表現唔會好過簡單嘅隨機漫步模型。呢個「匯率脫節之謎」意味住，喺短至中期嘅外匯動態中，基本因素以外嘅因素——例如市場情緒、羊群行為同投機性衝擊——起主導作用。
2.3 用於狀態偵測嘅馬可夫轉換模型
由Hamilton（1989）開創嘅馬可夫轉換模型，特別適合分析行為經歷離散轉變（例如從平靜期轉到波動期）嘅金融時間序列。呢啲模型允許數據生成過程喺唔同狀態（體制）之間轉換，轉換概率可以係固定或時變嘅，令佢哋成為識別泡沫同危機時期嘅理想工具。
3. 方法論與模型設定
3.1 數據與樣本時期
本研究使用伊朗非官方USD/IRR匯率嘅高頻數據，涵蓋2010年至2018年呢個動盪時期。呢段時期包括國際制裁同油價衝擊等重大經濟事件。
3.2 三狀態馬可夫轉換模型
方法論嘅核心係一個帶有時變轉換概率（TVTP-MS-AR）嘅三狀態馬可夫轉換自回歸模型。識別出嘅三個狀態如下：
- 狀態1（平靜期）： 匯率溫和、跟隨趨勢升值/貶值嘅時期。
- 狀態2（爆炸性/泡沫期）： 匯率快速、不可持續加速（貶值）嘅時期。
- 狀態3（崩潰期）： 泡沫爆破後嘅時期，通常涉及高波動性或調整。
呢啲狀態之間嘅轉換概率被建模為預警指標嘅函數，使模型能夠預測狀態轉變。
3.3 預警指標
使用兩個關鍵指標來影響時變轉換概率：
- 制裁指數： 量化國際經濟制裁嘅強度，制裁會造成對外幣嘅壓抑需求。
- 外匯儲備變化： 反映中央銀行捍衛本幣嘅能力同意圖。
4. 實證結果與分析
4.1 爆炸性泡沫時期嘅識別
模型成功識別出非官方匯率中嘅幾個爆炸性泡沫狀態。關鍵時期包括：2011年5月、2011年9-10月、2012年7月、2012年10-11月、2013年4月，以及特別顯著嘅2017年1-6月。2017年嘅事件尤其重要，與嚴重經濟壓力同社會動盪時期吻合。
4.2 狀態轉換概率
估計嘅時變概率顯示，當制裁指標上升同外匯儲備下降時，轉換到爆炸性狀態嘅可能性會急劇增加。崩潰狀態傾向於跟隨爆炸性時期，而平靜狀態則與相對穩定同政策干預時期一致。
4.3 預警指標嘅表現
模型表明，構建嘅預警指標提供及時信號，通常喺爆炸性泡沫狀態完全開始之前出現。呢點證實咗模型作為先發制人行動政策工具嘅效用。
5. 核心分析師洞見：四步解構
核心洞見： 本文揭示咗一個殘酷嘅事實：伊朗嘅外匯市場根本上係失靈嘅，驅動力唔係經濟學，而係心理學同地緣政治。作者證明，非官方匯率係理性泡沫嘅遊樂場，交易者完全清楚匯率同基本因素脫節，但依然助長投機狂熱，因為現行體制嘅政策工具箱既可預測又不足夠。真正嘅故事唔係泡沫本身，而係馬可夫模型以冰冷嘅算法確認咗泡沫嘅精確時機——呢個係對被動而非主動政策嘅嚴厲控訴。
邏輯流程： 論證構建得相當優雅。首先承認標準模型（Meese-Rogoff）嘅失敗，轉向行為金融學（理性泡沫），然後部署專為呢種混亂設計嘅精密統計武器（TVTP馬可夫轉換）。將制裁同儲備變化用作轉換驅動因素係神來之筆，直接將政治風險同市場病態聯繫起來。邏輯嚴密：外部衝擊 -> 市場對央行弱勢嘅認知 -> 投機性衝擊概率增加。
優點與缺陷： 優點在於其實證嚴謹性同政策相關性。TVTP模型係狀態偵測嘅尖端技術，超越咗更簡單嘅泡沫測試。然而，缺陷在於數據本身嘅不透明性。來自伊朗嘅「非官方匯率」數據眾所周知噪音大，且可能被操縱。雖然模型穩健，但其輸入數據脆弱。此外，分析止步於識別；並未完全模擬反事實——具體嘅、實時嘅中央銀行行動（例如，一個儲備門檻）本可以阻止2017年嘅泡沫？模型診斷咗疾病，但對開出確切藥方劑量卻有所保留。
可行建議： 對政策制定者而言，呢唔單止係學術練習；係一個作戰計劃。中央銀行必須從消防員轉型為預報員。明確嘅當務之急係將監測模型關鍵指標——制裁情緒（或許可以從新聞數據中提取）同實時儲備水平——嘅儀表板制度化。當轉換到爆炸性狀態嘅概率超過關鍵閾值（例如70%）時，必須觸發預先承諾、透明嘅干預協議。呢可能意味著宣布臨時性、大規模外匯注入，或者積極調整利率。目標係打破單邊押注嘅理性預期。對投資者而言，模型提供咗一個清晰信號，喺風暴來臨前對沖或平倉，將政策失敗轉化為私人收益——呢個係本文未言明潛台詞中一個發人深省嘅結論。
6. 技術細節與數學框架
核心模型係一個帶有時變轉換概率（TVTP）嘅馬可夫轉換自回歸（MS-AR）模型。匯率過程 ${y_t}$ 建模如下：
$y_t = \mu_{s_t} + \sum_{i=1}^{p}\phi_{i, s_t} y_{t-i} + \sigma_{s_t}\epsilon_t, \quad \epsilon_t \sim N(0,1)$
其中 ${s_t}$ 表示時間 $t$ 嘅潛在狀態（體制），取值於 ${1,2,3}$。關鍵創新在於，轉換概率矩陣 $P_t$（其中 $P_{ij,t} = Pr(s_t = j | s_{t-1}=i)$）並非固定不變，而係隨指標向量 $z_t$（制裁、儲備）變化：
$P_{ij,t} = \frac{\exp(\theta_{ij,0} + \theta_{ij}' z_t)}{\sum_{k=1}^{3}\exp(\theta_{ik,0} + \theta_{ik}' z_t)}$
呢種設定允許基本因素同政治因素直接影響市場進入泡沫狀態嘅可能性，超越咗純粹統計學上嘅狀態偵測。
7. 實驗結果與圖表解讀
圖1（概念圖）：狀態嘅平滑概率。 呢張圖會顯示隨時間變化嘅非官方USD/IRR匯率，背景根據模型處於每個狀態嘅平滑概率進行陰影填充。我哋會觀察到，喺綠色「平靜」時期，匯率溫和趨勢性變動；然後喺紅色「爆炸性」時期，經歷急劇、幾乎垂直嘅飆升。呢啲紅色區域會密切匹配識別出嘅日期（例如2017年初）。「崩潰」狀態（黃色）通常跟隨爆炸性峰值，顯示高波動性而無明確趨勢。圖表嘅力量在於可視化模型如何將混亂嘅市場數據清晰地剖析成唔同嘅行為階段。
圖2（概念圖）：時變轉換概率。 呢個可能係一組圖表，顯示隨時間變化，從平靜狀態轉換到爆炸性狀態嘅估計概率。我哋會見到呢個概率喺新制裁宣布時（例如2011-2012年同2017年）急劇飆升，並喺央行外匯注入報告後下降。呢張圖直接說明咗政治事件同市場不穩定之間嘅機制性聯繫。
8. 分析框架：一個實用案例
情景： 2016年第四季度伊朗中央銀行嘅一位分析師。
步驟1 – 數據輸入： 分析師將最新嘅每日非官方匯率數據、制裁強度評分（源自對即將到來嘅JCPOA相關不確定性嘅新聞分析）以及外匯儲備嘅每週變化，輸入到預先估計好嘅TVTP-MS-AR模型中。
步驟2 – 模型輸出： 模型輸出顯示概率 $P_{12,t}$——即從平靜狀態轉換到爆炸性狀態嘅機會——喺幾週內從15%急升至超過65%。
步驟3 – 解讀與行動： 呢係一個清晰嘅預警信號。分析師嘅報告唔係等待匯率飆升，而係觸發一次先發制人嘅政策會議。根據模型驅動因素，建議行動可能係：「加強關於充足儲備水平嘅公開溝通，並宣布一次有限、透明嘅外匯拍賣，以滿足制裁指標所顯示嘅壓抑需求，目標係將 $P_{12,t}$ 降低到50%以下。」呢個框架將政策從被動反應轉向預測性行動。
9. 應用前景與未來方向
即時應用： 主要應用係作為面臨類似外匯市場扭曲嘅新興市場中央銀行同金融穩定委員會嘅實時監測工具。可以整合到宏觀經濟監測儀表板中。
未來研究方向：
- 高頻與另類數據： 整合來自社交媒體同新聞資訊嘅情緒分析，以實時改進制裁/政治風險指標。
- 多國分析： 將相同框架應用於其他受制裁或易發生危機嘅經濟體（例如委內瑞拉、土耳其），以測試其普適性並識別共同觸發因素。
- 政策模擬模組： 擴展模型以包含中央銀行反應函數，允許其模擬市場對唔同干預策略（例如加息 vs. 直接外匯銷售）嘅反應，並識別最有效嘅泡沫抑制政策。
- 機器學習混合模型： 將馬可夫模型嘅結構優勢同LSTM或梯度提升模型嘅模式識別能力相結合，進一步提高預警準確性。
10. 參考文獻
- Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
- 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.
- Phillips, P. C., Shi, S., & Yu, J. (2015). Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review, 56(4), 1043-1078. （關於泡沫測試方法論）
- Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308. （關於時變轉換概率）
- International Monetary Fund. (2020). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER). （關於伊朗外匯體制背景）