1. 研究目的与意义
自从改革开放到21世纪以后，中国就成为了全世界做大的市场，吸引了大量外资入住，同时也成就了许多新兴的经济体，这极大的推动了世界经济增长，同时也意味着新兴经济体所带来的新市场在世界经济中的地位越加突出。随着中国在国际影响力上进一步的加强，人民币被越来越多的国家所接受，更多的发展中国家加入到中国的合作之中，中国的南南合作就是代表之一，其中成员国包含了亚洲和非洲南方的许多国家。
2. 研究内容和预期目标
（1）研究内容
本论文要研究的内容是南南合作中，成员国货币汇率对人民币汇率的波动溢出效应。近年来，世界竞争格局加速演变，随着中国国际话程度的加深，如何预防外界对人民币汇率的的干扰，维持汇率市场的稳定是是当下经济金融领域的重大问题。围绕“南南合作”和“外汇干扰”这两个关键词，我们有以下问题：国际合作如何到干扰人民币汇率？在不同的地区是否有不同形式的干扰？目前国内外的专家学者们提出的看法有哪些？我国应该如何预防这些冲击？本文将沿着这条逻辑主线，深入探析外汇同人民币汇率间的溢出效应，探索我国在推进人民币国际话中的预防外部冲击的方法。
3. 国内外研究现状
（1）国外文献综述 国外的学者比中国更早对溢出效应有研究。W Polasek和H Kozumi（1995）[1]提出了一个结合贝叶斯向量自回归和条件异方差（VAR-VARCH）模型，然后将该方法演示用于分析瑞士法郎和德国马克对美元月汇率的溢出效应。FC Palm（1996）[2]发现因子GARCH模型有几个吸引人的特点，首先，它们很容易用经济理论来解释（套利定价理论等因素模型在金融中得到了广泛的应用）;第二，对于高维变量向量，它们允许时变方差和协方差的简约表示 ;第三，它们可以解释观察到的和未观察到的因素，这将是当时最适合研究溢出效应的工具。SM Fahimifard，M Homayounifar，M Sabouhi，AR Moghaddamnia（2009）[3]将GARCH和ARIMA作为预测伊朗里亚尔/里亚尔/美元前2、4和8天的线性模型。利用三种预测评价准则（Rsup2/sup、MAD和RMSE）发现非线性模型优于线性模型GARCH优于ARIMA模型。 随后国外学者，运用GARCH模型对汇率、股票、债券、外贸量进行过许多联动效应分析。Kearney和Patton（1998）[4]基于1979至1997年的日数据和周数据，采用多元GARCH模型，考察法国法郎、德国马克和意大利之前的波动传导机制，结果表明各汇率市场之间的传递机制存在显著的差异，其中在波动性传导机制中起到主导作用是德国马克。J Arifin（2009）[5]使用东盟五国货币汇率日数据，建立BEKK表示的双变量VAR（1）-GARCH（1,1）模型来检验亚洲金融危机和次贷危机期间各国间的溢出效应，发现尽管不同国家在不同的危机期间，经济内部的波动溢出效应有所不同，但汇率波动对股市波动有很强的影响。Masliukova和Tatiana（2014）[6]利用协整模型分析包括2000年至2014年的俄罗斯联邦季度数据得出汇率与贸易差额之间存在长期相关性的结论E Ogawa和MS Kosaka（2014）[7]对洲货币单位（AMU）和AMU偏离指标建立结构VAR模型，通过对雷曼危机前和后两个时期的分析，发现由于全球金融危机的影响，一些国家的盯住美元汇率走强，另一些国家的盯住美元汇率走弱。 有关人民币汇率的溢出效应，也有不少外国得学者进行过关于人民币汇率收益率区域货币的溢出效应研究。Z Wang（2010）[8]用TGARCH-BEKK模型的向量分析检验1994年到2010年人民币汇率日数据，结果表明当货币错配程度减弱时，波动的聚集性将增强，其滞后效应将持续6-7年左右；汇率对货币错配的溢出效应大于利率。Balasubramaniam等（2011）[9]的研究显示人民币对亚洲地区其他国家的影响是十分有限的。Keskin等（2011）[10]和Kocakaplan等（2012）[11]选取外汇市场主要货币的日度数据为研究样本，采用最小生成树和层次树方法构建了货币网络结构图，研究结果都表明汇率市场存在货币联动的特征。Kawa和Pontines （2016）[12]的研究发现美元依旧是东亚地区货币汇率变化的主导力量。Eichengreen和Lombardi （2017）[13]对中国与溢出效应接收国的贸易联系、共同价格冲击和共同金融冲击因素进行实证研究, 发现两国共同金融冲击显著地影响人民币汇率。Bonga-Bonga、 Lumengo和PX Gnagne（2017）[14]以金砖五国货币汇率的日数据进行检验，通过建立多元GARCH-M模型与BEKK模型将其与金砖四国的债券收益率进行对比，发现除了南非以外，金砖国家的10年期国债收益率都受到汇率波动的积极影响，南非的10年期国债收益率受到汇率波动的负面影响，且汇率波动对巴西、印度和南非的股票收益率具有正向影响，而对中国和俄罗斯的股票收益率具有负向影响。JL Ren（2019）[15]通过构建人民币与发达国家和新兴市场货币的三元BEKK-MGARCH模型，分析了人民币、欧元、美元、俄罗斯卢布和巴西雷亚尔汇率的波动特征。结果表明，人民币、欧元和美元之间存在显著的双向波动溢出效应，卢布和雷亚尔之间存在单向波动溢出效应。（2）国内文献综述 在借鉴国外学者的模型后，国内学者也开始运用模型分析能够影响人民币汇率波动的因素。首先，国内的学者从中国内部寻找因素。陈六傅、刘厚俊（2007）[16]运用VAR模型，分析人民币汇率受到进口价格和消费者价格的影响程度，发现汇率的传递效应在不同的通胀环境中存在差异，并给出文件的货币政策可以隔绝一切来自外部通货膨胀压力的结论。危兆麟、刘佳（2007）[17]运用VEC模型对中日间的实际汇率与其间贸易收支变量进行分析,发现各变量间存在长期均衡关系,并且短期内各经济变量向长期均衡具有较好的调整速度。陈云、陈浪南、林鲁东（2009）[18]使用了BVGARCH-BEKK模型对1997年至2008年之间汇率改革前后的人民币兑美元日数据和上证A股指数日数据分进行对比实证分析，发现汇改前表现为显著的从汇率到股市收益率的波动溢出；汇改后表现为显著的从显著的从股市收益率到汇率变动率的波动溢出,且汇率与股票市场之间的联系有所增强。杨凯文、臧日宏（2015）[19]运用GARCH分析了我国十一个主要国际贸易伙伴的进出口数据对人民币汇率的波动效应，发现人民币汇率波动对我国国际贸易具有负面的传导效应,国际贸易尤其是出口贸易会受到人民币汇率波动的影响，但是贸易伙伴经济发展对我国国际贸易有促进作用。林江鹏、华良晨（2016）[20]通过建立VAR模型,运用脉冲响应函数等方法探究人民币汇率,股价和房价三者之间的联动关系.实证结果表明,人民币汇率是股价和房价的单向格兰杰原因;人民币汇率对于股市的影响相比较于较房市而言更大。 随后国内的学者发现人民币的汇率还会受到其他国家货币汇率、外贸、产业政策等因素影响。奚媛媛（2007）[21]对2005到2007年人民币汇率形成机制改革以来,人民币汇率与主要非美元货币汇率进行了相关性分析，结果表明,人民币汇率与日元汇率呈中度或低度负相关,与港币汇率存在中度负相关,对欧元、英镑汇率则表现出高度正相关性。肖紫琼（2009）[22]以GARCH模型分析了欧元兑人民币汇率波动的特征,并运用MARKOV模型对欧元汇率波动的趋势进行了预测，依据神经网络模型,先进行区间数据进行预测证明模型的准确性,然后进行区间外预测,得出欧元兑人民币汇率存在下跌趋势的结论。齐雅莎（2011）[23]运用VAR模型和脉冲响应函数动态分析人民币汇率与进出口贸易之间的关系,从而为未来人民币汇率改革提出相应的政策建议。文婷（2015）[24]建立三元BEKK-GARCH模型，通过中、日、韩三国总产业的实际有效汇率序列和13个产业各实际有效汇率序列的数据，从宏观和微观上分别阐述中、日、韩三国的汇率波动传导效应，发现13个产业的波动传导方式与总产业并不是完全相同的,各个产业之间汇率的传导方式也不完全一样。叶芳,童星宇（2020）[25]共构建VARDCC-MVGARCH模型分析从2009年到2018年间非洲二十二个主要国家货币汇率的月数据与人民币汇率的动态联动性，发现人民币与大部分非洲国家货币存在一定的均值溢出效应,但其相关性并不稳定,且不存在变动持续性。 随着中国的经济发展，越来越多的国家愿意与中国进行合作展开外贸交易，并且达成联盟，区域货币的概念就此出现，这也大大的增加了金融的复杂性，于是国内的学者基于不同的合作展开不同区域的溢出效应分析。李霞（2010）[26]运用VEC模型，通过脉冲响应函数和格兰杰因果检验的方法，对G7的经济整体和人民币名义汇率的关系进行实证分析，发现人民币名义汇率变动对G7经济和中国对G7出口有着不同程度和不同方面的影响。龙俊炜、李龙杰（2015）[27]构建BEKK-MGARCH模型，深入研究人民币汇率和金砖五国货币汇率的溢出效应，发现人民币汇率面临着多个金砖国家货币汇率波动的冲击,并且其波动受到市场新近信息冲击和历史波动的影响。王丹妮（2016）[28]运用VAR模型分析人民币汇率对东盟国家货币汇率的溢出效应，发现人民币在国际上的影响力进一步增强，人民币的认可度也越来越高，人民币区域化的可行性更强了。蔡彤娟、林润红（2018）[29]和吕祥伟、张莉娜[30]都通过建立VAR—DCC—MVGARCH—BEKK模型检验了人民币与“一带一路”主要国家货币汇率的动态相关性、波动溢出效应与联动持续性。
4. 计划与进度安排
2022.11.21-2022.11.30，撰写、修改、提交开题报告。2022.1.19 -2022.1.22，撰写引言。2022.1.23-2022.1.28，撰写中国汇率制度发展特征。2022.1.29-2022.2.5，撰写外汇市场干预对人民币汇率的影响。2022.2.6-2022.2.20，收集数据。2022.2.20-2022.2.28，分析数据。2022.3.1-2022.3.7，撰写总结。2022.3.8-2022.3.19，提交论文初稿、中期检查。2022.4.11-2022.5.6，反复修改论文并提交修改稿（二稿、三稿）、提交外文文献及译稿。2022.5.7-2022.5.10，提交论文定稿。
5. 参考文献
[1] Polasek W , Kozumi H . The VAR-VARCH model: A Bayesian approach. Springer New York, 1995.[2] Palm F C . GARCH models of volatility[J]. Statal Methods in Finance, 1996, 14(96):209-240.[3] Fahimifard S M ,Homayounifar M ,Sabouhi M , et al. Comparison of ANFIS, ANN, GARCH andARIMA Techniques to Exchange Rate Forecasting[J]. Journal of Applied Sciences, 2009, 9(20).[4] Kearney C, Pattion A J. MVGARCH modeling of Exchange Rates Volatility Transmission in the European Monetary system[J]. The Financial Review, 1998, (1) :29-48.[5] Arifin J . Volatility Spillovers between Equity and Currency Markets in ASEAN-5 Countries during Crises1.[6] Masliukova, Tatiana. The Effect of Exchange Rate Fluctuations on a Trade Balance, the case of Russia. , 2014.[7] Ogawa E , Kosaka M S . Japan''s Monetary and Financial Cooperation in East Asia \\ From the Viewpoint of the Spillover Effects of Currency Misalignment[J]. Public Policy Review, 2014, 10.[8] Wang Z . On Aggregation and Linkage of Fluctuation in Currency Mismatch:Based on Vector TGARCH-BEKK Model. Journal of Zhongnan University of Economics and Law, 2010.[9] Balasubramaniam V , Patnaik I , Shah A . Who cares about the Chinese Yuan?[J]. Working Papers, 2011.[10] Keskin M, Deviren B, Kocakaplan Y. Topology of the correlation networks among major currencies using hierarchical structure methods[J]. Physica A, 2011, (390): 719-730．[11] Koeakaplan Y, Deviren B, Keskin M. Hierarchical structures of correlations networks among Turkey’s exports and imports by currencies [J]. Physica A, 2012, (391): 6509-6518．[12] Pontines, Victor, Kawai, Masahiro. Is there really a renminbi bloc in Asia?: A modified Frankel-Wei approach [J]. Journal of international money and finance, 2016, (4): 72-97.[13] Eichengreen B, Lombardi D. RMBI or RMBR? Is the Renminbi Destined to Become a Global or Regional Currency? [J]. Asian Economic Papers, 2017, (1): 35-65.[14] Bonga-Bonga L , Gnagne P X . The impact of exchange rate volatility on capital flows in BRICS economies[J]. Mpra Paper, 2017.[15] Ren J L . An Analysis of Volatility Spillover Effects of RMB Exchange Rate. Special Zone Economy, 2018. [16] 陈六傅, 刘厚俊. 人民币汇率的价格传递效应——基于VAR模型的实证分析[J]. 金融研究, 2007, 000(04A):1-13.[17] 危兆麟, 刘佳. 人民币汇率与国际贸易收支差额变动关系研究[J]. 商业文化(学术版), 2007(9):277-278.[18] 陈云, 陈浪南, 林鲁东. 人民币汇率与股票市场波动溢出效应研究[J]. 管理科学, 2009(03):104-112.[19] 杨凯文, 臧日宏. 人民币汇率波动对我国国际贸易的传导效应[J]. 财经问题研究, 2015(2).[20] 林江鹏, 华良晨. 人民币汇率,股价和房价之间的联动关系——基于VAR模型[J]. 湖北经济学院学报:人文社会科学版, 2016(4):40-41.[21] 奚媛媛. 人民币汇率与主要非美元货币汇率的相关性分析——汇率形成机制改革以来的实证研究[J]. 南京审计学院学报, 2007.[22] 肖紫琼. 基于时间序列模型的欧元兑人民币汇率波动趋势研究[D]. 中南大学, 2009.[23]齐雅莎. 人民币汇率与中国进出口贸易的动态相关性研究——基于金融危机前后人民币对美元汇率与进出口贸易的VAR经验分析[J]. 经济师, 2011, 000(009):27-28.[24]文婷. 人民币实际有效汇率与日韩汇率的传导效应研究[D]. 西南政法大学, 2015.[25]叶芳,童星宇. 人民币与非洲主要国家货币汇率的联动性分析——基于VAR-DCC-MVGARCH模型[J]. 区域金融研究, 2020, No.580(11):6-11.[26] 李霞. 人民币名义汇率、G7经济与对G7出口——基于VAR模型的研究[J]. 北方经贸, 2010, 2010(004):88-89.[27] 龙俊炜 李龙杰. 人民币与金砖国家货币汇率波动传导关系[J]. 汕头大学学报(人文社会科学版), 2015(31):54-58.[28] 王丹妮. 人民币汇率对东盟国家货币汇率的溢出效应分析[D]. 广西大学, 2016.[29] 蔡彤娟, 林润红. 人民币与'一带一路'主要国家货币汇率动态联动研究——基于VAR-DCC-MVGARCH-BEKK模型的实证分析[J]. 国际金融研究, 2018.[30] 吕祥伟, 张莉娜. 人民币与'一带一路'主要国家货币的汇率联动及风险溢出效应研究——基于Copula-TGARCH-CoVaR模型的分析.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
