导论:研究宏观经济、国际金融的学者们总是对汇率有很大的兴趣,因为很长时间以来,基于宏观经济学的汇率模型对汇率的预测表现都不尽如人意。理论上决定汇率的宏观经济变量如货币总量、真实收入、利率、通货膨胀等,在实证分析中却很难体现这些变量对名义汇率的决定作用,这是国际金融领域里的一个谜团。Meese和Rogoff在其文章（1983a和1983b）中利用实证分析首次指出这样的结果:基于样本外均方根标准,70年代的结构汇率模型以及时间序列模型对汇率进行预测的表现都不佳,远不如一个简单随机行走模型。该结果显示,名义汇率在统计学上趋向于一个随机行走过程,但是根据宏观经济学理论,决定汇率变化的宏观变量,却并不趋向于随机行走过程。在此之后的几十年里,完善宏观经济模型,在汇率预测表现上超越简单随机行走模型的目标仍未实现。然而最近,在汇率领域有了许多引起广泛争议的新发现,例如,用于分析真实汇率决定因素研究的结构性时间序列模型表明真实冲击是解释真实汇率波动的一个主要且显著的原因。这些发现表明汇率在其均衡值附近上下波动,可能是由一些宏观经济模型未考虑的因素导致的。本文试图找出这样的因素,用历史数据来检验这样的因素能否改善汇率模型对于名义汇率的预测。本文考虑石油价格为这样的因素之一,石油价格影响宏观经济变量,如收入,账户余额,以及储蓄等,而这些变量会影响到石油进口国和石油出口国之间的资产存量和分布,从而打破原有的市场均衡,引起汇率的变化。几十年来,学者们研究了石油价格和各种汇率的关系,Robert A.Amano和Simon van Norden在其文章（1993）中证明,真实汇率和石油价格是协整的,且因果关系由石油价格流向真实汇率。尽管有许多文章研究了石油价格和汇率的关系,但尝试使用石油价格来预测汇率或改善汇率预测的文章,却不多见。本文将石油价格作为一个新的解释型变量加入到汇率模型里,搜集历史数据,通过实证分析来检验石油价格是否能够改善这些模型对美元/马克,美元/英镑,美元/日元三种汇率的预测。本文考虑的模型有两个宏观经济模型:弹性价格（弗兰克尔-比尔森）模型和粘性价格（多恩布什-弗兰克尔）模型,以及一个简单随机行走模型。模型:第一个模型是弗兰克尔和比尔森提出的弹性价格模型,该模型可以用如下等式表达:其中s_t是汇率的对数,m_t和m_t^*分别表示本国货币供应量和外国货币供应量的对数,y_t和y_t^*分别表示本国真实收入和外国真实收入的对数,r_t和r_t^*分别代表本国和外国的短期利率,μ是误差项。第二个模型是多恩布施[1976]和弗兰克尔[1979]提出的粘性价格模型,该模认为由于价格是具有粘性的,国内价格的调整过程不是一蹴而就的,而是个逐渐调整的过程,因而偏离了购买力平价等式,该模型扩展了弗兰克尔-比尔森模型,加入了一个新的变量:本国和外国长期通货膨胀率之差。其中π_e andπ_e^*表示国内和国外预期通货膨胀率之差。除上述两个宏观经济模型之外,本文还考虑了一个简单随机行走模型,见下列等式:其中未来汇率值S_t+1是由汇率当前值s_t加上一个误差项ε_t+1构成的,该误差项是一个怀特噪音,即标准正态分布,期望为0,方差为1)。本文之所以考虑简单随机行走模型,是因为该模型不含有其他任何解释变量,汇率的变化仅仅由一个随机因素决定,而宏观经济模型却还有一些解释变量,如果石油价格在改善宏观经济模型预测能力的表现上不尽如人意,我们还可以参考石油价格在改善随机行走模型预测能力的表现,因为前者可能是由于石油价格和其他解释变量的多重线性造成的,后者则能反应石油价格作为唯一的解释变量对汇率变化所起的决定作用。在决定以何种形式将石油价格做为一个新的解释型变量加入到这些模型中时,本文考虑了三种备选形式:石油价格,石油价格的对数,以及石油价格的增长率。我们发现石油价格的增长率既和汇率有良好的线性关系,又和其他解释变量有很小的相关性,所以本文选定石油价格的增长率为新的变量,该新变量的系数可以解释为如果石油价格增长1%,汇率会变化百分之多少。加入了新变量的弹性价格宏观经济模型可以用以下等式来表达,加入了新变量的粘性价格模型可以用以下等式来表达:其中P代表新变量,即石油价格的增长百分比。与此简单随机行走模型相对应的加入新变量的模型可以由如下等式来表达:其中△p_t+1是石油价格的增长百分比,ε_t+1是误差项.该模型其实是一个无常数项的简单线性回归模型。所有的模型中的汇率都是以对数形式出现,这样可以获得无单位的统计变量,使得不同的模型之间具有可比性。方法:所有的模型都将用于美元/马克,美元/英镑,美元/日元三种汇率的预测,预测间隔为1个月,6个月和12个月。本文采用的数据是月观测数据,对于每种汇率,使用的数据样本都有其相应的年份跨度期间。对于宏观经济模型,只有各种宏观变量数据同时存在,才能对其进行回归预测,由于资源有限性,本文能搜集到的数据有限,对于美元/马克汇率,回归数据样本区间为1986年1月到1997年4月,对于美元/英镑汇率,回归数据样本区间为1987年1月到2008年12月,对于美元/日元汇率,回归数据样本区间为1986年1月到2009年4月。本文采用的是滚动回归方法,即对于一个相同的线性回归方程式,采用恒定数目的滚动点数据,进行多次回归,获得多次系数,进行多次预测的方法。例如,对于美元/英镑汇率,在预测间隔为1个月的情况下,用最先60个月（从1987年1月到1991年12月）的数据进行第一次回归,生成各变量的回归系数,该回归模型被用于预测下一个阶段的汇率值,即带入1992年1月的各个解释变量的值即可;在下一个回归阶段,1992年1月的数据被加入到样本,而1987年1月的数据则被排除在外,此时样本的观测点数目仍为60个,这些数据再次用于同一方程式的回归,得到新的各个变量的回归系数,再带入下一个阶段的观测点的数值,即1992年2月的数据,可以得到该模型对于1992年2月的汇率的预测值;如此反复,直至滚动回归一直前进到总样本的最后一个观测点。通过这样一个滚动回归的过程,我们可以获得一系列的美元/英镑汇率的回归系数,以及相对应的204个对下一阶段汇率从的预测值。本文不仅测试了在1个月预测间隔各模型的表现,也测试了在6个月和12个月预测间隔下各模型的预测能力。采用不同预测间隔的原因在于检验石油价格能否在较长的预测期间改善这些模型的预测能力。检验预测精确性一般有两个标准,一个是样本内精确性标准,另一个是样本外精确性标准,前者测量的是在用于回归的数据样本内回归模型的拟合度,如R square等,而后者测量的则是在用于回归的数据样本外回归模型的预测表现。本文采用样本外预测精确性来评价每个模型以及加入石油价格增长率变量的新模型对汇率的预测能力。Meese和Rogoff在其文章中提出评价样本外预测能力的三个参数:均方根误差为比较各模型预测表现的主要参数,平均误差和绝对平均误差为辅助参数,本文只给出均方根误差的结果,因为平均误差和绝对平均误差显示的结果和均方根误差显示的结果一致。其中k=1,3,6,12,代表不同的预测间隔,即1个月, 6个月和12个月。h代表滚动回归窗口的宽度,即每个回归所用的观测点数目,N_k是回归的总次数,Fⁱ（h+i×j）表示用第i个回归方程对时间点为（h+i×j）的汇率预测值。每一次回归被用于计算对接下来k个时间点的汇率预测值,最后一次回归没有被用来生成汇率预测值。N_k*k代表生成的汇率预测值的总数目。除在总样本区间里检验这些模型对汇率的预测能力外,本文还检验了这些模型在某些亚样本区间里这三个模型对汇率的预测能力,具体来说,本文考察了两种类型的亚样本,一是石油价格呈现出不断上升或者不断下降的态势下的亚样本,另一个是石油价格和汇率的共同波动趋势很显著情况下的亚样本。第一个亚样本区间为2003年1月到2008年9月,在这期间,石油价格持续快速上升,原油价格从每桶33美元上升到129美元。第二个亚样本区间不同的汇率有所不同,取决于搜集到的数据的时间跨度,对于宏观经济模型,美元/马克汇率亚样本区间为1986年到1997年,美元/英镑汇率亚样本区间为2001年到2008年,美元/日元汇率亚样本区间为1997年到2008年;对于随机行走模型,美元/马克汇率的第二个亚样本区间为1986年到1999年,对于美元/英镑汇率为2001年到2009年,对于美元/日元汇率为1997年到2009年。结果：对于每个模型，每种汇率，以及每个预测间隔，加入石油价格后均方根误差的减少情况都列在下表中。对于两个宏观经济模型，弹性价格模型和粘性价格模型，石油价格未能改善这两个模型对汇率的预测能力。对于简单随机行走模型，加入石油价格后的新模型确实能使得均方根误差有所减少，但这种减少的幅度很小，RMSE的减少不到0.02，即预测精确度的上升不到两个百分点原因:两个宏观经济模型,弹性价格模型和粘性价格模型,在加入石油价格增长率变量后,对汇率的预测能力仍没有得到改善,本文从如下几方面着手,分析出现该结果的原因。抽样误差是指只观察部分样本而不是总体样本而造成的误差,本实验中各个汇率的样本大小分别为:美元/马克汇率有136个观测点,美元/英镑汇率有264个观测点,美元/日元汇率有192个观测点,这些样本很小,抽样误差可能很大。联立方程偏差也是导致该结果的可能原因之一,这种偏差指的是误差项u和独立变量汇率的相关性而可能导致的误差。本文用于预测的数据是各解释变量的历史真实值,而不是人们在当时对其的预期值,这也是导致误差的可能解释之一。另一可能原因涉及到石油价格和其他解释变量的多重共线性关系,在这个实验中,石油价格可能和其他解释变量有高度相关性,从而包含了其他解释变量中的信息,反过来其他解释变量也包含了石油价格的信息,因此,在把石油价格这个变量加入到宏观经济模型中时,均方根误差并没有显著的改善。然而,多重共线性测试的结果却并不支持这个假设,根据splus collinearTest函数,石油价格和其他解释型变量的共线性测试结果为:对于美元/日元汇率,测试结果为15.72818,对于美元/马克汇率,测试结果为4.993924,对于美元/英镑汇率,测试结果为5.380801。而理论上共线性测试的结果大于20才足以说明多重共线性的显著存在。对于简单随机行走模型,在12个月预测间隔下,石油价格并未能改善其对这三种汇率的预测能力,但如果考虑到这样一个事实,即汇率应石油价格变化进行调整的过程是快速的,且调整模式也是在不断变化的,这样的结果也许不足为奇,因为利用12个月以前的汇率历史数据对当前的汇率进行预测,预测结果不令人满意是可想而知的。结论:对于每种汇率,在每个预测期间,加入石油价格变量后的两个宏观经济模型,弹性价格模型和粘性价格模型,都未能在汇率预测精确性上有所提高。使用亚样本数据的模型也未能使得均方根误差显著减少。但这个结果能否归结于抽样误差,联力方程偏差,石油价格与其他解释变量的多重共线性,我们仍不能断言。加入了石油价格变量的随机行走模型确实在汇率预测精确性上有所提高,但这种提高仅限于1个月,6个月预测间隔,且微不足道,均方根误差的最大减少为0.02,即在6个月预测间隔,加入了石油价格的随机行走模型在对美元/英镑汇率进行预测时比原模型的均方根误差小了0.02。在12个月预测间隔,石油价格未能改善随机行走模型的预测能力。考虑到汇率变化的快速性,这样的预测表现是不足为奇的,因为它利用12个月以前的数据来进行预测。根据本实验的结果,总体而言,石油价格在改善现有模型对汇率的预测能力方面所起的作用是有限的。本文的不足之处包括:使用季节性调整数据,没有使用预期的解释变量值而采用真实的预期变量值进行预测,使用相对较小的样本,以及用来比较各模型预测能力的标准的合适性等。我们将今后研究的重点放在如下内容上:近期油价剧烈下降石油价格和汇率的关系,石油价格和汇率的非线性关系,使用除均方根误差以外的其他预测能力评价标准,比如对于汇率变动方向的预测的准确性。