選擇語言

伊朗的理性泡沫與外匯危機:馬可夫轉換模型分析

運用具時變轉換機率的馬可夫轉換模型,分析伊朗非正式外匯市場的投機性泡沫,以識別危機時期。
computecurrency.net | PDF Size: 0.8 MB
評分: 4.5/5
您的評分
您已經為此文檔評過分
PDF文檔封面 - 伊朗的理性泡沫與外匯危機:馬可夫轉換模型分析

1. 導論與概述

本研究探討伊朗非正式外匯市場中理性投機泡沫的存在與動態,特別聚焦於美元/伊朗里亞爾匯率。研究涵蓋2010年至2018年的動盪時期,其特徵是嚴重的經濟制裁與石油收入波動。核心目標是建立一個預警系統,能夠在泡沫形成與外匯危機造成嚴重經濟衝擊之前,識別出它們。

作者認為,由投機性攻擊和羊群效應驅動的匯率偏離其基本面價值,若未獲貨幣當局捍衛,可能導致貨幣危機。傳統的計量經濟模型往往無法捕捉這些非線性、狀態轉換的行為。本文透過採用一個複雜的具時變轉換機率的馬可夫轉換模型來填補此一缺口,以區分平靜、爆炸性與崩潰的泡沫狀態。

核心洞見

非正式的美元/伊朗里亞爾市場容易因投機性攻擊而產生理性泡沫。一個以制裁和儲備作為轉換驅動因子的三狀態馬可夫模型(平靜、爆炸性、崩潰),能夠準確識別危機時期,相較於線性模型,提供了一個更優越的預警工具。

2. 理論框架與文獻回顧

本分析奠基於理性泡沫理論,即資產價格基於其他投資者將持續推高價格的預期,而持續偏離其基本面價值。這與非理性繁榮不同,因為它代表了投機遊戲中的一個納許均衡。

2.1 資產定價中的理性泡沫

基本的資產定價方程式指出,資產今日的價格等於其未來收益的現值貼現總和。一個理性泡沫成分 $B_t$ 滿足:

$P_t = \sum_{i=1}^{\infty} \frac{E_t[D_{t+i}]}{(1+r)^i} + B_t$,其中 $E_t[B_{t+1}] = (1+r)B_t$。

這意味著泡沫預期將以利率 $r$ 的速率增長。在外匯的脈絡中,「資產」是外國貨幣,其「收益」是未來的匯率或持有該貨幣的效用。當交易者協調一致地賣出一種貨幣,並預期其他人會跟隨時,就會發生投機性攻擊,從而創造出自我實現的預言。

2.2 傳統外匯模型的局限性

本文引用了Meese 和 Rogoff (1983) 的開創性工作,該研究證明標準的宏觀經濟模型(如貨幣模型)在樣本外預測匯率方面,無法勝過簡單的隨機漫步模型。這個「匯率脫節之謎」表明,基本面以外的因素——如市場微觀結構、羊群行為和投機動態——扮演著關鍵角色。後續研究,包括 Cheong 等人 (2005),證實了這些發現,強調了需要能夠捕捉結構性斷裂和狀態變化的模型。

2.3 金融中的馬可夫轉換模型

由 Hamilton (1989) 引入的馬可夫轉換模型,允許參數根據一個遵循馬可夫鏈的未觀測狀態變數 $S_t$ 而變化。本文使用的 TVTP 擴展,允許從一個狀態轉換到另一個狀態的機率取決於觀測到的經濟變數(例如,制裁強度、儲備變化)。這對於模擬受制裁下的外匯市場至關重要,因為危機發生的可能性會隨著政治和經濟事件而變化。

3. 方法論與模型設定

3.1 數據與變數

本研究使用2010年至2018年伊朗非正式外匯市場(美元/伊朗里亞爾)的月度數據。關鍵變數包括:

  • 應變數: 非正式匯率的對數報酬率。
  • 狀態驅動因子(用於 TVTP):
    • 制裁指數: 一個建構的代理變數,用於衡量國際經濟制裁的強度,被確定為投機需求的關鍵驅動因子。
    • 外匯儲備變動: 顯示中央銀行捍衛貨幣的能力。

3.2 三狀態馬可夫轉換模型

該模型為匯率報酬過程設定了三個不同的狀態:

  1. 平靜狀態 ($S_t=1$): 特徵是低波動性和溫和、穩定的趨勢。平均報酬 $\mu_1$ 較低,變異數 $\sigma^2_1$ 較小。
  2. 爆炸性(泡沫)狀態 ($S_t=2$): 特徵是高的正向平均報酬 $\mu_2 > 0$ 和升高的波動性 $\sigma^2_2$,代表由投機性買入外匯驅動的貨幣快速貶值。
  3. 崩潰(後泡沫)狀態 ($S_t=3$): 可能涉及高波動性以及負向或修正的平均報酬 $\mu_3$,通常發生在中央銀行干預或市場耗竭之後。

模型形式化為:$r_t = \mu_{S_t} + \epsilon_t$,其中 $\epsilon_t \sim N(0, \sigma^2_{S_t})$ 且 $S_t \in \{1,2,3\}$。

3.3 時變轉換機率

創新之處在於使轉換矩陣 $\mathbf{P}_t$ 具有時間依賴性。從狀態 $i$ 轉移到狀態 $j$ 的機率被建模為觀測變數 $z_t$(制裁、儲備變化)的邏輯函數:

$p_{ij,t} = P(S_t = j | S_{t-1}=i) = \frac{\exp(\alpha_{ij} + \beta_{ij}' z_{t-1})}{1 + \exp(\alpha_{ij} + \beta_{ij}' z_{t-1})}$,其中 $i \neq j$。

這使得模型能夠量化評估諸如制裁收緊等因素如何增加從平靜狀態轉移到爆炸性泡沫狀態的機率。

4. 實證結果與分析

4.1 狀態識別與泡沫時期

該模型成功識別出與伊朗已知外匯危機相對應的特定時期:

  • 爆炸性泡沫時期: 模型精確指出如2011年7月、2012年4月、2012年10/11月,以及特別是2017年1月至2017年6月等月份為高機率的爆炸性狀態。這些時期與制裁加劇和政治不確定性時期相符。
  • 狀態動態: 結果顯示,崩潰狀態往往與實際危機時期重合或緊隨其後,而平靜狀態則與相對穩定或溫和升值的時期相符。

圖:爆炸性狀態的平滑機率

(概念性描述) 折線圖將顯示機率 $P(S_t=2 | \Omega_T)$ 隨時間在0到1之間波動。在已識別的危機月份(例如,2012年中、2017年初)會觀察到達到接近1.0的尖峰,證實了模型將這些事件標記為投機性泡沫的能力。在穩定時期機率保持低位,並在某些危機發生前上升,顯示了預警潛力。

4.2 預警指標表現

制裁指數被證明是轉入爆炸性狀態的一個統計上顯著且強大的驅動因子。制裁變數的增加會提高從平靜或崩潰狀態轉入泡沫狀態的機率。外匯儲備變動也同樣顯著;儲備的耗盡增加了進入崩潰狀態的機率,可能反映了捍衛失敗及隨後的崩盤。

4.3 中央銀行干預分析

本文發現,中央銀行在非正式市場中旨在減輕壓力的干預,一旦爆炸性狀態確立,往往不足以阻止或戳破泡沫。模型表明,干預在平靜狀態下對於預防更為有效,而非在全面爆發的投機性攻擊期間。

5. 技術框架與個案研究

分析框架範例: 考慮一位監控美元/伊朗里亞爾市場的政策制定者。該框架涉及:

  1. 數據輸入: 持續將月度非正式匯率報酬、制裁新聞情緒(評分0-10)以及每週外匯儲備變化輸入模型。
  2. 模型更新: 使用滾動視窗每月或即時重新估計 TVTP-MS 模型。
  3. 風險儀表板: 監控處於爆炸性狀態的平滑機率 $P(S_t=2 | \Omega_t)$。機率超過閾值(例如0.7)時觸發警報。
  4. 情境分析: 使用估計的邏輯係數 $\beta_{ij}$ 來模擬「假設」情境。例如,「如果宣布新的制裁方案(制裁指數+3),下個月發生泡沫的機率會增加多少?」

個案研究 – 2017年泡沫: 在2017年初,模型的爆炸性狀態機率飆升。TVTP機制將此歸因於持續的制裁與儲備下降的結合。該框架本應在急劇貶值發生前數週就發出投機性攻擊的高風險信號,從而允許採取先發制人的政策措施,例如表明更強的捍衛承諾或調整利率。

6. 未來應用與研究方向

  • 即時危機監控系統: 將此模型整合到面臨類似投機壓力的新興市場中央銀行的儀表板中。
  • 加密貨幣市場: 將 TVTP-MS 框架應用於識別比特幣或其他加密貨幣中的泡沫,這些市場表現出類似的投機動態和狀態轉換。
  • 政策模擬工具: 擴展模型以納入中央銀行反應函數,從而模擬不同的干預策略(利率變化、資本管制)如何改變轉換機率和泡沫持續時間。
  • 機器學習混合模型: 將馬可夫轉換模型的結構優勢與機器學習(例如 LSTM)在高頻數據上的預測能力相結合,以改善預警前置時間。
  • 跨國分析: 將相同方法應用於其他受制裁經濟體(例如委內瑞拉、俄羅斯),以發展制裁誘發外匯泡沫的比較理論。

7. 參考文獻

  1. Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384.
  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. Cheong, C. W., et al. (2005). Nonlinearities in exchange rate determination: A Markov-switching approach. Working Paper.
  4. Filardo, A. J. (1994). Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics, 12(3), 299-308. (TVTP 模型的開創性工作).
  5. Taiebnia, A., Mehraara, M., & Akhtari, A. (2019). Rational Bubbles and Forex Crises in Iran's Informal Market: A Markov-Switching Model with Time-Varying Transition Probabilities. Scientific Quarterly Journal of Economic Research, 74(19), 111-164. (被分析之論文).

8. 分析師評論

核心洞見

本文提供了一個強大且非顯而易見的洞見:在像伊朗這樣的受制裁經濟體中,非正式外匯市場不僅僅是對基本面做出反應——它是在進行一場投機遊戲。泡沫並非瘋狂;它是一個理性的、自我實現的均衡,在這個均衡中,每個人都攻擊貨幣,因為他們預期其他人也會這麼做。真正的觸發因素不僅僅是貨幣發行;而是制裁信號,它充當了投機者的協調機制。這將外匯危機從一種貨幣現象重新定義為一種賽局理論現象。

邏輯脈絡

論證結構優雅。它從駁斥標準模型(Meese-Rogoff)開始,建立理性泡沫理論,然後引入完美的工具:馬可夫轉換模型。天才之舉在於使轉換機率取決於制裁和儲備。這直接檢驗了以下假設:這些變數不僅影響匯率水平,而且影響遊戲規則本身——改變轉入恐慌模式的機率。實證結果隨後驗證了這一點,顯示狀態清晰地映射到現實世界的危機事件上。

優點與缺陷

優點: 方法論的選擇無可挑剔。TVTP-MS 模型雖然估計起來 notoriously tricky,但卻是捕捉此處存在的結構性斷裂的黃金標準。聚焦於非正式市場至關重要——這是在制裁下真實價格發現和投機發生的地方。預警應用具有立即可行的實用性。

缺陷: 本文的阿基里斯腱是數據。「制裁指數」必然是一個建構的代理變數,引發了關於主觀性的疑問。該模型本質上也是向後看的;雖然它能完美識別過去的狀態,但其前瞻性的預警能力取決於準確預測驅動因子(制裁)本身——這是一個艱鉅的政治挑戰,而不僅僅是計量經濟學挑戰。它也略微忽略了為投機遊戲創造肥沃土壤的國內貨幣政策失敗所扮演的角色。

可行洞見

對於類似經濟體的政策制定者而言,啟示是明確的:管理預期,而不僅僅是儲備。 在制裁下捍衛貨幣需要破壞投機者的協調。這意味著:

  1. 前瞻指引: 使用清晰、可信的溝通來錨定預期,打破自我實現預言的循環。沉默是致命的。
  2. 非對稱干預: 將火力保留在模型標記為高機率轉入爆炸性狀態的時刻,而不是在平靜狀態下浪費儲備。
  3. 建立儀表板: 實施此模型的即時版本作為核心監控工具。與外匯崩盤中損失的數十億相比,其成本微不足道。
  4. 對投資者而言: 此模型為把握邊境市場的曝險時機提供了一個量化框架。「爆炸性狀態」信號是一個明確的賣出指標,而持續的平靜狀態機率可能表示崩盤後的買入機會。

本質上,這項研究將對話從是否存在泡沫,轉移到何時市場邏輯將翻轉進入泡沫模式——這對於防禦和策略都是至關重要的轉變。