識別伊朗外匯市場嘅理性泡沫：馬可夫轉換模型分析

1. 引言

本研究探討伊朗非官方外匯市場（美元/里亞爾）中理性投機泡沫嘅存在與動態。外匯市場係任何經濟體嘅關鍵組成部分，直接影響競爭力、貿易、投資同通脹。喺伊朗，呢個市場以高波動性為特徵，深受石油收入衝擊、經濟制裁同投機行為影響。本文要解決嘅核心問題係匯率偏離其基本價值，如果決策者唔加以控制，可能導致貨幣危機。本文旨在運用先進嘅計量經濟模型識別呢啲泡沫時期，為更有效嘅貨幣同匯率政策干預提供預警信號。

2. 文獻綜述與理論框架

2.1. 資產定價中嘅理性泡沫

理性泡沫嘅概念源於資產定價文獻，指資產嘅市場價格持續偏離基於預期未來現金流現值嘅基本價值。喺理性泡沫中，參與者願意支付高於基本價值嘅價格，因為佢哋預期未來可以更高價賣出（Blanchard & Watson, 1982）。呢種自我實現嘅預言可能導致價格爆炸性上升。

2.2. 匯率決定因素與市場失靈

傳統宏觀經濟模型（例如貨幣分析法、資產組合平衡法）往往無法解釋中短期匯率波動，呢個係 Meese 同 Rogoff（1983）強調嘅難題。行為金融學引入咗投資者情緒、羊群效應同投機性衝擊等要素作為關鍵驅動力。「脫節難題」表明匯率通常由標準基本因素以外嘅因素驅動。

2.3. 伊朗外匯市場背景

伊朗外匯市場採用多層次體系運作，包括官方、次級同非官方（黑市）匯率。非官方市場受供需失衡、資本外逃以及對制裁同石油收入嘅預期驅動，極易形成泡沫。中央銀行通常通過出售石油所得外匯進行干預以穩定市場，但可能被投機壓力壓倒。

3. 研究方法與模型設定

3.1. 帶有時變轉換概率嘅馬可夫轉換模型 (MS-TVTP)

本研究採用馬可夫轉換模型，呢種狀態轉換模型假設經濟可以處於唔同狀態（例如平靜、爆炸性、崩潰）。關鍵創新在於使用時變轉換概率 (TVTP)。與具有固定狀態轉換概率嘅標準 MS 模型唔同，TVTP 變體允許從一種狀態轉換到另一種狀態嘅概率取決於觀察到嘅經濟變量（例如制裁強度、外匯儲備變化）。呢個令模型更能真實反映政策變化同外部衝擊對市場情緒嘅影響。

3.2. 模型設定與泡沫識別

模型為非官方匯率 ($s_t$) 設定咗三種唔同狀態：

1. 爆炸性狀態： 特徵係匯率快速上升（貶值），標誌住泡沫。
2. 平靜狀態： 特徵係溫和、穩定嘅趨勢。
3. 崩潰狀態： 特徵係泡沫爆破後匯率急劇調整或下跌。

3.3. 數據與變量

分析使用 2010年3月至2018年9月嘅月度數據。主要變量係美元兌伊朗里亞爾嘅非官方市場匯率。轉換概率被建模為以下變量嘅函數：

• 制裁指數： 外部經濟壓力嘅代理變量，會增加對避險貨幣嘅需求。
• 外匯儲備變化： 反映中央銀行干預同捍衛貨幣嘅能力。

4. 實證結果與分析

4.1. 模型估計與狀態分類

MS-TVTP 模型成功被估計。平滑概率圖清楚顯示模型能夠將時間線分類為三種唔同狀態。模型喺精準定位市場壓力時期方面表現出高準確度。

4.2. 泡沫時期識別

模型識別出非官方美元/里亞爾匯率嘅幾個爆炸性泡沫時期：

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

4.3. 預警指標表現

制裁指數被證明係轉換至爆炸性狀態嘅極顯著驅動因素。指數上升會增加市場從平靜或崩潰狀態轉入爆炸性泡沫狀態嘅概率。外匯儲備變化亦顯著；儲備減少（降低干預能力）會增加進入或停留喺爆炸性狀態嘅可能性。崩潰狀態往往跟隨爆炸性時期之後出現，並且經常與中央銀行大力干預或市場壓力暫時緩解同時發生。

5. 討論與啟示

5.1. 核心見解與邏輯脈絡

核心見解： 伊朗里亞爾嘅價值唔單止受油價或貨幣供應影響；佢係一個心理戰場。本文嘅精妙之處在於將此形式化：匯率係信念狀態嘅函數。制裁唔單止窒礙經濟；佢哋將市場心理從「平靜」切換到「恐慌」，啟動一個理性泡沫，喺呢個泡沫中買入美元變成生存策略，而唔係投機賭博。

邏輯脈絡： 論證非常精妙。1) 標準模型失效（Meese-Rogoff 難題）。2) 因此，納入預期同狀態。3) 制裁同儲備變化係改變呢啲預期嘅可觀察代理變量。4) MS-TVTP 模型捕捉到呢點，識別出精確嘅泡沫窗口。邏輯嚴密：如果你能夠為轉換機制建模，你就能預測泡沫。

5.2. 方法嘅優點與局限

優點：

• 務實嘅智慧： 佢避開咗測量伊朗呢類扭曲經濟體「基本因素」呢個不可能嘅任務。相反，佢專注於更易觀察到嘅偏離過程。
• 政策就緒嘅輸出： 模型唔單止話「有泡沫」；佢話「下個月進入泡沫嘅概率係 X%，由制裁水平 Y 驅動。」呢個係可操作嘅情報。
• 實證驗證： 識別出嘅泡沫時期與歷史危機相符，令模型具有強烈嘅表面效度。

• 黑箱預警指標： 「制裁指數」係一個構建變量。其構成同權重至關重要，但可能帶有主觀性。垃圾入，垃圾出。
• 滯後於現實： 模型係基於歷史數據估計嘅。喺快速變化嘅危機中，指標（例如儲備變化）可能滯後報告，降低實時效用。
• 理性假設： 「理性」泡沫框架可能低估純粹恐慌同羊群行為，呢啲行為可能係非理性嘅，並且以任何模型都無法捕捉嘅速度自我強化。

5.3. 對決策者嘅實用建議

對於伊朗中央銀行同金融穩定委員會嚟講，呢項研究係一本戰術手冊，唔單止係學術練習。

1. 監控狀態轉換，唔單止係水平： 將焦點從絕對匯率水平轉移到狀態轉換概率。一個平靜但制裁壓力上升嘅市場係爆炸前狀態。
2. 戰略性保存彈藥： 外匯儲備係對抗泡沫嘅主要工具。模型顯示干預喺「崩潰」階段更有效。喺爆炸性泡沫中期（當情緒極度負面時）浪費儲備係徒勞無功嘅。干預時機應旨在催化從爆炸性狀態轉向崩潰狀態。
3. 將管理預期作為核心政策工具： 既然市場由信念驅動，溝通同可信度就係關鍵。透明、基於規則嘅干預政策有助於穩定預期，降低轉換至爆炸性狀態嘅可能性。唔透明或反覆無常嘅政策則有相反效果。
4. 建立實時預警系統： 將呢個模型操作化。向佢輸入關於制裁新聞流（使用自然語言處理分析新聞電訊）、準實時儲備估計同市場深度指標嘅實時數據。咁樣就可以創建一個危機預防儀表板。

6. 技術附錄

6.1. 數學公式

MS-TVTP 模型嘅核心可以表示如下。令 $s_t$ 為非官方匯率嘅對數。該過程建模為：

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

其中 $S_t \in \{1,2,3\}$ 表示未觀察到嘅狀態（1=平靜，2=爆炸性，3=崩潰）。狀態之間嘅轉換由概率矩陣 $P_t$ 控制，其中每個元素 $p_{ij,t} = Pr(S_t = j | S_{t-1} = i)$ 係時變嘅。

呢啲時變概率使用多項式 logit 設定建模：

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

其中 $Z_{t-1}$ 係時間 $t-1$ 嘅預警指標向量（例如制裁指數、儲備變化），而 $\theta_{ij}, \beta_{ij}$ 係待估計參數。呢個設定允許轉換至泡沫狀態嘅可能性直接取決於可觀察嘅經濟壓力。

6.2. 分析框架示例

情景： 伊朗中央銀行嘅分析師希望評估下個季度形成投機泡沫嘅風險。

框架應用：

1. 數據輸入： 收集制裁指數（例如，源自對主要西方媒體同政府聲明嘅新聞情緒分析）同外匯儲備月度變化嘅最新數值。
2. 模型查詢： 將呢啲數值輸入已估計嘅 MS-TVTP 模型。模型使用當前推斷嘅狀態（來自最新匯率數據）同輸入嘅 $Z_t$ 數值。
3. 輸出解讀： 模型輸出下個時期處於三種狀態各自嘅概率。例如：
   • $Pr(平靜) = 0.15$
   • $Pr(爆炸性) = 0.80$
   • $Pr(崩潰) = 0.05$
4. 可操作結論： 進入爆炸性狀態嘅概率為 80% 係一個危險信號。分析師嘅報告會強調，鑑於當前高制裁壓力同儲備下降，市場極有可能進入泡沫階段。呢個觸發建議中央銀行準備應急計劃、考慮採取預先溝通以管理預期，並審視部署儲備嘅策略。

7. 未來應用與研究方向

本研究嘅方法同見解喺伊朗特定背景之外具有廣泛適用性。

• 其他受制裁或脆弱經濟體： 該模型可適用於委內瑞拉、俄羅斯或土耳其等國家，呢啲國家嘅地緣政治風險同資本流動波動性產生類似動態。關鍵在於識別正確嘅本地預警指標（例如政治穩定指數、商品價格波動性）。
• 加密貨幣市場： 加密貨幣市場以容易受情緒同監管新聞驅動嘅泡沫而聞名。使用社交媒體情緒、監管公告指數同鏈上指標嘅 MS-TVTP 模型，對於識別比特幣或以太坊嘅泡沫狀態可能非常有效。
• 與機器學習結合： 未來工作可以用機器學習分類器（例如隨機森林、神經網絡）取代轉換概率嘅 logit 設定，以捕捉指標同狀態轉換之間更複雜、非線性嘅關係。
• 實時儀表板開發： 合乎邏輯嘅下一步係構建一個軟件儀表板，佢攝取實時數據流、持續運行模型，並以視覺化方式提醒決策者泡沫概率上升，就好似一張「金融穩定天氣圖」。
• 政策模擬： 該模型可用於模擬唔同政策行動（例如大規模注入儲備、利率變化）對轉換概率嘅影響，有助於評估政策工具喺部署前嘅潛在有效性。

8. 參考文獻

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). [Rational Bubbles and Speculative Attacks in Iran's Unofficial Exchange Rate Market with Markov-Switching Model with Time-Varying Transition Probabilities]. Scientific-Research Quarterly Journal of Economic Research, 19(74), 111-164. (Original Farsi Publication).
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. (Cited as an example of advanced modeling techniques applicable to regime detection).