【時系列データの実証分析📊】Official Japanese Intervention in the JPY/USD Exchange Rate Market: Is It Effective and Through Which Channel Does It Work?🌟BoJ Report No.5📚
卒業論文を書き終えて💛
先日、大学を無事卒業した私ですが
卒業論文で「優秀論文賞」を受賞
することができました🏆
何事もアウトプット前提の
インプットが大事であると
noteで毎日発信してきました📢
これは、どのような内容で
あっても当てはまりますね👍
先行研究を一概に読んでも
記憶に残っていなかったり大切な観点を
忘れてしまっていたりしたら
卒業論文の進捗は滞っていたでしょう💦
なお、この投稿では収益化をすることはなく
先行研究などのコンテンツを正しく引用し
適切な発信ができるように努めます📝
私の卒論執筆への軌跡を
どうぞ最後までご愛読ください📖
今回の参考文献🔥
今回、読み進めていく論文は
こちらになります📚
Official Japanese Intervention in the JPY/USD Exchange Rate Market: Is It Effective and Through Which Channel Does It Work?
Rasmus Fatum*
IMES Discussion Paper Series
2009-E-12 March 2009
前回のお復習い✨
2. Data(2)
The analysis follows Ito (2003) and others in using New York close quotes of the daily JPY/USD exchange rate.
The exchange rate data are obtained from Global Financial Data (GFD). Several studies have found unexpected macro news to impact day-to-day exchange rate changes.17
Therefore, the analysis also incorporates a comprehensive list of macro news control variables.
These control variables capture the surprise component of Japanese news regarding CPI, GDP, Industrial Production, Trade Balance, Unemployment and the surprise component of US news regarding CPI, GDP, Industrial Production, Trade Balance, Unemployment, and Monetary Policy.
For each of these macro news control variables, the surprise measure is the difference between official announcements and results of surveys of expectations of these announcements conducted by Bloomberg during the days preceding the announcements.
この分析は、Ito(2003) およびその他の研究者らに従って、日次の円/米ドル為替レートのニューヨーク終値を使用しています。
なお、為替レートのデータは、Global Financial Data (GFD) から取得されます。
いくつかの研究では、予想外のマクロニュースが日々の為替レートの変化に影響を与えることが判明しています(注17)。
したがって、分析にはマクロニュースの制御変数の包括的なリストも組み込まれています。
これらの制御変数は、CPI、GDP、鉱工業生産、貿易収支、失業に関する日本のニュースの意外な要素と、CPI、GDP、鉱工業生産、貿易収支、失業、金融政策に関する米国のニュースの意外な要素を捉えています。
これらのマクロニュースの制御変数のそれぞれについて、サプライズ尺度は、公式発表と、発表に先立つ数日間にブルームバーグが実施したこれらの発表に対する期待に関する調査結果との差です。
The official value of a news variable is announced once a month, or at a lower frequency.
The news control variables capture the associated surprise element on announcement dates, thus these variables are non-zero only on announcement dates and only when the announcement differs from market expectations.
Summary statistics for the JPY/USD exchange rate and the macro news surprises are displayed in Table 3.
ニュース変数の公式値は月に1回、またはそれより低い頻度で発表されます。
ニュース制御変数は、発表日に関連するサプライズ要素を捕捉するため、これらの変数は発表日にのみ、また発表が市場の予想と異なる場合にのみゼロ以外になります。
JPY/USD為替レートとマクロニュースのサプライズの概要統計を表3に示します。
3. Empirical Analysis
Studies of financial market time series in general and exchange rate time series in particular often find evidence of time-dependent variance in the residuals.
Specifically, large and small errors tend to come in clusters and the size of the current error term seems dependent on the size of the previous error (see, for example, Engle 1982 and Bollerslev 1986).
In order to address this issue of autoregressive conditional heteroskedasticity (ARCH), the analysis of this paper follows Baillie and Bollerslev (1989) in estimating a regression equation with residuals modeled as a GARCH process.
The basic empirical relationship of the analysis is given by the GARCH(p,q) specification:(1),(2),(3)
一般に金融市場時系列、特に為替レート時系列の研究では、残差の時間依存変動(time-dependent variance)の証拠が見つかることがよくあります。
具体的には、大小のエラーがまとまって発生する傾向があり、現在のエラー項のサイズは前のエラーのサイズに依存しているようです (たとえば、Engle 1982 and Bollerslev 1986 を参照)。
この自己回帰条件付き不均一分散性(ARCH)の問題に対処するために、この論文の分析は、Baillie and Bollerslev (1989)に従って、GARCHプロセスとしてモデル化された残差を使用した回帰式を推定しています。
分析の基本的な経験的関係は、GARCH(p,q)仕様によって与えられます:(1)、(2)、(3)式によってモデルを定式化します
$$
\\Empirical Analysis\\GARCH(p,q) specification \\ \\(1)\Delta s_t =a+b_1INT_t^{RUMOR}+b_2INT_t^{NoRUMOR}+b_3RUMOR_t^{NoINT}\\ +b_4PSTAT_t +b_5NSTAT_t+CZ_t+\epsilon_t\\ \\(2) \epsilon_t \backsim N(0,h_t)\\ \\ \\(3) h_t=\alpha_0+\displaystyle\sum_{j=1}^q\alpha_j\epsilon^2_{t-j}+\displaystyle\sum_{j=1}^p\beta_jh_{t-j}\\
$$
where Δst is the first-difference in the log of the spot JPY/USD exchange rate; INT^RUMOR is actual intervention (volume) that occurs on a day when there is a rumor of intervention (i.e. the variable INT^RUMOR contains actual interventions of which the market is aware); INT^NoRUMOR is actual intervention (volume) that occurs on a day when there is no rumor of intervention
(i.e. INT^NoRUMOR contains actual interventions of which the market is unaware); RUMOR^NoINT is an indicator variable that takes on the value one when a rumor of intervention is reported but no actual intervention took place, and zero otherwise (i.e. RUMOR^NoINT captures days on which the market suspects an intervention takes place but no actual intervention occurs)
;PSTAT is an indicator variable that takes on the value one on a day when there is an official statement in support of intervention and/or a weaker JPY, and zero otherwise; NSTAT is an indicator variable that takes on the value one on a day when there is an official statement suggesting that further intervention in the JPY/USD rate is not recommended or unlikely, and zero otherwise; C is the coefficient vector associated with the control variables contained in Zt.
The control variable matrix Zt contains the unexpected component of Japanese news regarding CPI (JPCPI), GDP (JPGDP), Industrial Production (JPIP), Trade Balance (JPTB), Unemployment (JPUNEMP) and the surprise component of US news regarding CPI (USCPI), GDP (USGDP), Industrial Production (USIP), Trade Balance (USTB), Unemployment (USUNEMP), and Monetary Policy (USFOMC).
ここで、$${Δs_t}$$はスポットJPY/USD為替レートの対数の一次差です。
$${INT^{RUMOR}}$$は、介入の噂がある日に行われる実際の介入（出来高）です。
つまり、変数$${INT^{RUMOR}}$$には、市場が認識している実際の介入が含まれます。
$${INT^{NoRUMOR}}$$ は、介入の噂がない日に行われる実際の介入 (出来高) です。
つまり、$${INT^{NoRUMOR}}$$ には市場が気づいていない実際の介入が含まれます。
$${RUMOR^{NoINT}}$$は、介入の噂が報告されたが実際の介入が行われなかった場合に値1をとり、それ以外の場合は0をとる指標変数です。
つまり、$${RUMOR^{NoINT}}$$は、市場が介入が行われたと疑っているが、実際の介入は行われなかった日を取得します。
PSTATは、介入および/または円安を支持する公式声明がある日には値 1 をとり、それ以外の場合は 0 をとる指標変数です。
NSTATは、JPY/USDレートへのさらなる介入が推奨されないか、その可能性が低いことを示唆する公式声明がある日に値1をとり、それ以外の場合は0になる指標変数です。
Cは、$${Z_t}$$に含まれる制御変数に関連付けられた係数ベクトルです
制御変数行列$${Z_t}$$ には、CPI (JPCPI)、GDP (JPGDP)、鉱工業生産 (JPIP)、貿易収支 (JPTB)、失業率 (JP UNEMP) に関する日本のニュースの意外な要素と、CPI (USCPI) 、GDP（US GDP）、鉱工業生産（USIP）、貿易収支（USTB）、失業率（US UNEMP）、金融政策（US FOMC）に関する米国のニュースの意外な要素が含まれています。
Equation (2) states that the error term is normally distributed with zero mean and timedependant (conditional) variance.
Equation (3) shows that the variance depends on the squared error of the past q periods (the ARCH terms) and the conditional variance of the past p periods. Simultaneous estimations of equations (1) through (3) are carried out for the full sample and, to ensure that the results are robust, also for two truncated samples (Sub-Sample 1: January 1, 1999 to December 31, 2002; Sub-Sample 2: January 1, 1999 to December 31, 2003).
In addition, estimations are carried out separately across the January 1, 2004 to March 31, 2004 period during which the intervention frequency is unusually high (Sub-Sample 3).
For each of the exchange rate regressions, the most parsimonious GARCH specification possible that still allows for acceptance of the null hypothesis of no ARCH in the standardized residuals is selected. As it turns out, GARCH(1,1) models give the better fit in all cases.18,19
式(2)は、誤差項がゼロ平均と時間依存 (条件付き) 分散で正規分布することを示しています。
式(3)は、分散が過去q期間(ARCH項)の二乗誤差と過去p期間の条件付き分散に依存することを示しています。
式 (1) ～ (3) の同時推定はサンプル全体に対して実行され、結果がロバスト（頑健的）であることを確認するために、2つの切り捨てられたサンプルに対しても実行されます。
(サブサンプル 1:1999年1月1日から2002年12月31日まで)
- サンプル 2:1999年1月1日から2003年12月31日まで)
さらに、介入頻度が異常に高かった2004年1月1日から2004年3月 31 日までの期間にわたって個別に推定を実行しました（サブサンプル 3）。
為替レート回帰のそれぞれについて、標準化された残差にARCHがないという帰無仮説を受け入れることができ、可能な限り節約的なGARCHモデルによる特定(GARCH specification)が選択されます。
結局のところ、GARCH(1,1) モデルはすべてのケースでより良い適合性を示します(注18,19)。
18: Fatum and Scholnick (2006) also find that GARCH(1,1) specifications give the better fit when estimating models of the JPY/USD exchange rate.
They find GARCH(2,1) models to perform better when estimating models of the DEM/USD and the GBP/USD exchange rates.
19: None of the GARCH specifications fit the Sub-Sample 3 data particularly well. Therefore, for Sub-Sample 3, only the baseline model is estimated using the GARCH approach.
While extensions of the baseline model are estimated using GARCH(1,1) specifications for the full sample and for Sub-Samples 1 and 2, Sub-Sample 3 extensions are based on OLS estimations with Newey-West heteroskedasticity- and serial-correlation consistent (HAC) standard errors (see Newey and West, 1987).
18: Fatum and Scholnick(2006)はまた、JPY/USDの為替レートのモデルを推定する際にGARCH(1,1) 仕様の方がより良い適合性を与えることを発見しました。
彼らは、DEM/USDおよびGBP/USD為替レートのモデルを推定する場合、GARCH(2,1)モデルのパフォーマンスが優れていることを発見しました。
19: GARCH 仕様のどれも、サブサンプル 3 データに特によく適合しません。
したがって、サブサンプル 3 では、ベースラインモデルのみがGARCH アプローチを使用して推定されます。
ベースライン・モデルの拡張は、完全なサンプルとサブサンプル 1 および 2 の GARCH(1,1) 仕様を使用して推定されます。
しかし、サブサンプル 3 の拡張は、Newey-West の不均一分散性および系列相関が一致したOLS推定に基づいています。
HAC標準誤差については(Newey and West、1987 を参照)。
本日の解説はここまでとします📝
この先行研究は非常に有意義であり
私の卒業論文作成において大変
勉強になる内容ばかりでした💖
読み終えた先行研究📚
『日本の為替介入の分析』
伊藤隆敏・著
経済研究 Vol.54 No.2 Apr. 2003
『Effects of the Bank of Japan’s intervention on yen/dollar exchange rate volatility』21 November 2004
Toshiaki Watanabe (a), Kimie Harada(b)
『The Effects of Japanese Foreign Exchange Intervention: GARCH Estimation and Change Point Detection』
Eric Hillebrand Gunther Schnabl Discussion
Paper No.6 October 2003
Author/Editor:Jaromir Benes ; Andrew Berg ; Rafael A Portillo ; David Vávra
Publication Date: January 14, 2013
私の研究テーマについて🔖
私は「為替介入の実証分析」をテーマに
卒業論文を執筆しようと考えています📝
日本経済を考えたときに、為替レートによって
貿易取引や経常収支が変化したり
株や証券、債権といった金融資産の収益率が
変化したりと日本経済と為替レートとは
切っても切れない縁があるのです💝
（円💴だけに･･･）
経済ショックによって
為替レートが変化すると
その影響は私たちの生活に大きく影響します
だからこそ、為替レートの安定性を
担保するような為替介入はマクロ経済政策に
おいても非常に重要な意義を持っていると
推測しています。
卒業論文をやり切ることは
私の学生生活の集大成となりました。
最後までコツコツと取り組んで
良い形で終わることができて
大変嬉しく思います🌈
本日の解説は、以上とします📝
今後も経済学理論集ならびに社会課題に
対する経済学的視点による説明など
有意義な内容を発信できるように
努めてまいりますので
今後とも宜しくお願いします🥺
マガジンのご紹介🔔
最後までご愛読いただき誠に有難うございました！
あくまで、私の見解や思ったことを
まとめさせていただいてますが
その点に関しまして、ご了承ください🙏
この投稿をみてくださった方が
ほんの小さな事でも学びがあった！
考え方の引き出しが増えた！
読書から学べることが多い！
などなど、プラスの収穫があったのであれば
大変嬉しく思いますし、投稿作成の冥利に尽きます！！
お気軽にコメント、いいね「スキ」💖
そして、お差し支えなければ
フォロー＆シェアをお願いしたいです👍
今後とも何卒よろしくお願いいたします！
この記事が気に入ったらサポートをしてみませんか？