識別伊朗外匯市場中的理性泡沫：馬可夫轉換模型之應用

1. 緒論

本研究探討伊朗非官方外匯市場中理性投機泡沫的存在與動態。外匯市場是任何經濟體的關鍵組成部分，直接影響競爭力、貿易、投資與通貨膨脹。在伊朗，此市場以高波動性為特徵，深受石油收入衝擊、經濟制裁與投機行為影響。本文探討的核心問題是匯率偏離其基本價值的現象，若決策者未加控制，可能導致貨幣危機。本文旨在運用先進的計量經濟模型識別這些泡沫時期，為更有效的貨幣與匯率政策干預提供預警訊號。

2. 文獻回顧與理論架構

2.1. 資產定價中的理性泡沫

理性泡沫的概念源於資產定價文獻，指資產的市場價格持續偏離其基於預期未來現金流量現值的基本價值。在理性泡沫中，市場參與者願意支付高於基本價值的價格，因為他們預期未來能以更高價格出售（Blanchard & Watson, 1982）。這種自我實現的預言可能導致價格爆炸性上漲。

2.2. 匯率決定因素與市場失靈

傳統的總體經濟模型（例如貨幣分析法、資產組合平衡法）通常無法解釋中短期的匯率波動，此即 Meese 與 Rogoff（1983）所強調的「匯率決定難題」。行為金融學則引入投資人情緒、羊群效應與投機性攻擊等要素作為關鍵驅動因素。「脫鉤難題」表明匯率常由標準基本因素以外的因素驅動。

2.3. 伊朗外匯市場背景

伊朗外匯市場採多層次體系運作，包含官方、次級與非官方（黑市）匯率。非官方市場由供需失衡、資本外逃以及對制裁與石油收入的預期所驅動，極易形成泡沫。中央銀行通常透過出售石油所得外匯進行干預以穩定市場，但可能被投機壓力所壓倒。

3. 研究方法與模型設定

3.1. 具時變轉換機率的馬可夫轉換模型

本研究採用馬可夫轉換模型，這是一種狀態轉換模型，經濟體可處於不同狀態（例如平穩、爆炸性、崩潰）。其關鍵創新在於使用時變轉換機率。與轉換機率固定的標準 MS 模型不同，TVTP 變體允許從一種狀態轉換到另一種狀態的機率取決於觀察到的經濟變數（例如制裁強度、外匯儲備變化）。這使得模型更能真實反映政策變化和外部衝擊對市場情緒的影響。

3.2. 模型設定與泡沫識別

該模型為非官方匯率（$s_t$）設定了三種不同的狀態：

1. 爆炸性狀態： 特徵為匯率快速上升（貶值），預示泡沫形成。
2. 平穩狀態： 特徵為溫和、穩定的趨勢。
3. 崩潰狀態： 特徵為泡沫破裂後匯率急劇修正或下跌。

3.3. 資料與變數

分析使用 2010 年 3 月至 2018 年 9 月的月度資料。主要變數為美元兌伊朗里亞爾的非官方市場匯率。轉換機率被模型化為以下變數的函數：

• 制裁指數： 外部經濟壓力的代理變數，會增加對避險貨幣的需求。
• 外匯儲備變化： 顯示中央銀行干預與捍衛本幣的能力。

4. 實證結果與分析

4.1. 模型估計與狀態分類

MS-TVTP 模型已成功估計。平滑機率圖清楚地顯示了模型將時間軸分類為三種不同狀態的能力。該模型在精確定位市場壓力時期方面表現出高度準確性。

4.2. 泡沫時期識別

該模型識別出非官方美元/里亞爾匯率的數個爆炸性泡沫時期：

• 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

制裁指數被證明是轉換至爆炸性狀態的極顯著驅動因素。指數上升增加了市場從平穩或崩潰狀態轉入爆炸性泡沫狀態的機率。外匯儲備變化也顯著；儲備減少（降低干預能力）增加了進入或維持在爆炸性狀態的可能性。崩潰狀態往往跟隨爆炸性時期之後，並常與中央銀行大力干預或市場壓力暫時緩解同時發生。

5. 討論與意涵

5.1. 核心洞見與邏輯脈絡

核心洞見： 伊朗里亞爾的價值不僅由油價或貨幣供給塑造；它是一個心理戰場。本文的巧妙之處在於將此形式化：匯率是信念狀態的函數。制裁不僅扼制經濟；它們觸發了市場從「平穩」到「恐慌」的心理開關，啟動了理性泡沫，此時購買美元成為生存策略，而非投機賭注。

邏輯脈絡： 論證過程精妙。1) 標準模型失效（Meese-Rogoff 難題）。2) 因此，納入預期與狀態轉換。3) 制裁與儲備變化是改變這些預期的可觀察代理變數。4) MS-TVTP 模型捕捉了這一點，識別出精確的泡沫窗口。邏輯嚴密：若能模型化轉換機制，就能預測泡沫。

5.2. 方法之優點與缺陷

優點：

• 務實的巧思： 它避開了在伊朗這樣扭曲的經濟體中測量「基本價值」的不可能任務，轉而聚焦於更可觀察的偏離過程。
• 政策導向的產出： 該模型不僅說「存在泡沫」；它說「下個月進入泡沫狀態的機率為 X%，由制裁水準 Y 驅動」。這是可操作的情報。
• 實證驗證： 識別出的泡沫時期與歷史危機相符，賦予模型強烈的表面效度。

• 黑箱預警指標： 「制裁指數」是一個建構變數。其組成與權重至關重要，但可能具有主觀性。輸入垃圾，產出垃圾。
• 滯後於現實： 模型基於歷史資料估計。在快速變化的危機中，指標（例如儲備變化）的報告可能存在滯後，降低即時效用。
• 理性假設： 「理性」泡沫架構可能低估了純粹的恐慌與羊群行為，這些行為可能非理性，且自我強化的速度超過任何模型所能捕捉。

5.3. 對決策者的可行建議

對伊朗中央銀行與金融穩定委員會而言，這項研究是一本戰術手冊，而不僅是學術練習。

1. 監控狀態轉換，而非僅關注水準： 將焦點從絕對匯率水準轉移到狀態變化的機率。一個制裁壓力上升的平穩市場，即是爆炸前狀態。
2. 策略性保存彈藥： 外匯儲備是對抗泡沫的主要工具。模型顯示干預在「崩潰」階段更有效。在爆炸性泡沫中期（當市場情緒極度負面時）耗盡儲備是徒勞的。干預時機應選擇在催化從爆炸性狀態轉向崩潰狀態之時。
3. 將管理預期作為核心政策工具： 既然市場由信念驅動，溝通與可信度至關重要。透明、基於規則的干預政策有助於穩定預期，降低轉入爆炸性狀態的可能性。不透明或反覆無常的政策則會產生相反效果。
4. 建構即時預警系統： 將此模型操作化。輸入關於制裁新聞流的即時資料（使用自然語言處理分析新聞通訊社）、準即時的儲備估計以及市場深度指標。這將創建一個危機預防儀表板。

6. 技術附錄

6.1. 數學公式

MS-TVTP 模型的核心可表示如下。令 $s_t$ 為非官方匯率的對數。該過程模型化為：

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

其中 $S_t \in \{1,2,3\}$ 表示未觀察到的狀態（1=平穩，2=爆炸性，3=崩潰）。狀態間的轉換由機率矩陣 $P_t$ 控制，其中每個元素 $p_{ij,t} = Pr(S_t = j | S_{t-1} = i)$ 是時變的。

這些時變機率使用多項式 Logit 設定模型化：

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

其中 $Z_{t-1}$ 是時間 $t-1$ 的預警指標向量（例如制裁指數、儲備變化），而 $\theta_{ij}, \beta_{ij}$ 是待估計參數。此設定允許轉換至泡沫狀態的可能性直接取決於可觀察的經濟壓力。

6.2. 分析架構範例

情境： 伊朗中央銀行的一位分析師希望評估下一季度形成投機泡沫的風險。

架構應用：

1. 資料輸入： 收集制裁指數（例如，源自對主要西方媒體與政府聲明的新聞情緒分析）與外匯儲備月度變化的最新數值。
2. 模型查詢： 將這些數值輸入已估計的 MS-TVTP 模型。模型使用當前推斷的狀態（來自最新匯率資料）與輸入的 $Z_t$ 值。
3. 輸出解讀： 模型輸出下一期處於三種狀態各自的機率。例如：
   • $Pr(平穩) = 0.15$
   • $Pr(爆炸性) = 0.80$
   • $Pr(崩潰) = 0.05$
4. 可行結論： 進入爆炸性狀態的機率高達 80% 是一個警訊。分析師的報告將強調，鑑於當前的高制裁壓力與儲備下降，市場極有可能進入泡沫階段。這將觸發建議，要求中央銀行準備應變計畫、考慮採取先發制人的溝通以管理預期，並檢視動用儲備的策略。

7. 未來應用與研究方向

本研究的方法與洞見具有超越伊朗特定背景的廣泛適用性。

• 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，這些國家的地緣政治風險與資本流動波動性創造了類似的動態。關鍵在於識別正確的在地預警指標（例如政治穩定指數、商品價格波動性）。
• 加密貨幣市場： 加密貨幣市場以易受情緒與監管新聞驅動的泡沫而聞名。使用社交媒體情緒、監管公告指數與鏈上指標的 MS-TVTP 模型，對於識別比特幣或以太坊的泡沫狀態可能非常有效。
• 與機器學習整合： 未來的研究可用機器學習分類器（例如隨機森林、神經網路）取代轉換機率的 Logit 設定，以捕捉指標與狀態轉換之間更複雜、非線性的關係。
• 即時儀表板開發： 合乎邏輯的下一步是建構一個軟體儀表板，攝取即時資料流、持續運行模型，並以視覺化方式警示決策者泡沫機率上升，類似於「金融穩定天氣圖」。
• 政策模擬： 該模型可用於模擬不同政策行動（例如大規模儲備注入、利率變動）對轉換機率的影響，有助於在政策工具部署前評估其潛在有效性。

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). [伊朗非官方匯率市場中的理性泡沫與投機性攻擊：具時變轉換機率的馬可夫轉換模型]. 科學研究季刊：經濟研究, 19(74), 111-164. (原始波斯語出版物).
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. (引用作為適用於狀態偵測的先進建模技術範例).