《国际贸易问题》2018 年第 12 期 国际金融

主要货币汇率非对称变动对贸易的影响
——— 基于全球向量自回归模型的研究

张会清

摘要： 本文基于全球价值链的相关理论， 利用新近发展的全球向量自回归模

型，实证研究主要货币汇率非对称变动对全球主要国家的贸易影响 。研究发现，美
元升值和日元贬值对中国的进出口贸易都产生了正向的激励作用 ，而欧元贬值则产
生了负向的抑制作用，两相抵消后的总体贸易影响很小。非对称的汇率冲击导致美
国、日本、欧元区的出口竞争力此消彼长，欧元区和日本的出口增长对美国的出口
贸易形成 “挤出效应”。由于全球价值链的联动作用，欧洲生产网络和东亚生产网
络中的多数国家在欧元区和日本的带动下 ，对外贸易也随之增长，而北美生产网络
中的多数国家受到美国的拖累，对外贸易则趋于萎缩。
关键词： 汇率变动; 进出口贸易; 全球向量自回归模型; 全球价值链
DOI:10.13510/j.cnki.jit.2018.12.015

引 言

自 2008 年国际金融危机以来， 主要经济体的复苏态势出现分化， 进而导致主

要货币汇率呈现非对称变动的趋势 ，美元的实际有效汇率指数从 2011 年的 95. 0 升
至 2016 年的 114. 5，升值幅度高达 20. 5%。 同期， 欧元和日元的实际有效汇率分
别贬值 7. 9% 和 21. 4%。主要货币汇率的变动必然会通过全球价值链的传导机制影
响到其他国家的对外贸易，进而给全球经济前景带来不确定性 。对于中国这样的新
兴经济体而言，参与全球价值链的程度相对较深，生产和贸易活动具有较高的外部
依赖性，尤其需要关注主要货币汇率非对称变动的 “溢出效应”。本文借助全球向
量自回归模型，在多国框架下对这种溢出效应进行量化分析 。
传统的全球连接模型主要是基于宏观经济理论 ，对每个国家建立包含几十个行
为方程和恒等式的结构方程模型 ，再通过贸易矩阵将国别模型相互连接 ，进而在多
国模型的框架下对世界经济进行前景预测 、政策模拟等研究 （ 张延群，2012） 。 然
而，这些全球连接模型通常存在规模巨大、 参数众多等缺陷， 不仅容易遇到 “维
度诅咒” 的问题，而且模型的维护和更新都费时费力 。Pesaran 等 （2004） 在经典
的向量自回归模型 （ VAＲ） 基础上提出了一个相对简便但有效的方法———全球向

［基金项目］ 国家社会科学基金项目 “主要货币汇率非对称变动对我国进出口贸易的影响研究”（16BJL090）。

［作者信息］ 张 会 清： 上 海 立 信 会 计 金 融 学 院 国 际 经 贸 学 院 副 教 授 201209 电 子 信 箱： bettyzhang791205
@ 163. com。
《中国学术期刊（光盘版）》电子杂志社编者注：本文中涉及台湾的“国家”均应为“国家（地区）”，“国”均应为“国（地区）”，“国外”均应为“境外”，“国别”均应为“国别（地区）”，“countries”均应为“countries（regions）”。

135
国际金融 《国际贸易问题》2018 年第 12 期

量自回归模型 （ Global VAＲ，简记 GVAＲ） ， 处理全球经济框架下高维系统模拟的

复杂问题。与传统的全球连接模型相比，GVAＲ 借助通透的经济学理论和一致的统
计学方法，能够有效解决 “维度诅咒 ” 的难题， 并且具有结构清晰、 操作简便、
易于扩展等优点，非常适合分析复杂经济系统中的政策传导问题 。
鉴于 GVAＲ 模型的独特优势， 该方法已在国际经济周期、 全球通胀传导、 金
融风险传染、劳动市场溢出等问题的实证研究中得到广泛应用 。就本文关注的国际
贸易问题而言，Greenwood-Mimmo 等 （2010） 在一个包含 33 个国家的 GVAＲ 模型
中分析特定政策和重大事件对产出 、通胀、贸易差额的影响， 结果表明： GVAＲ 模
型表现出很好的预测效果，不仅准确识别了本轮国际金融危机的影响 ，而且短期和
长期的预测精度都优于传统模型。Bussière 等 （ 2012） 在一个包含 21 个国家的
GVAＲ 模型中分析了全球贸易的影响因素 ，发现国内外需求因素对于进出口贸易的
影响强于相对贸易价格 （ 即汇率因素） 的影响。
国内的相关研究集中于本币汇率变动对贸易的影响 ，对于外部汇率冲击对贸易
的影响则少有关注。关志雄 （ 2002） 认为日元贬值对亚洲国家既有不利的一面 ，
也有有利的一面。对于韩国这种与日本竞争的国家来说， 日元贬值的负面影响较
大； 对于中国、印度尼西亚等与日本互补的国家来说， 日元贬值的正面影响较大。
张明 （2007） 认为美元贬值将会导致人民币对美元被动升值， 进而损害中国对美
国的出口贸易，但汇率因素的影响弱于外需因素 。其他文献多是在研究量化宽松货
币政策的 “溢出效应” 时， 将汇率和贸易作为传导渠道进行附带分析。 胡援成和
张朝洋 （2012） 发现美元贬值引发全球大宗商品价格上涨并抬高中国的进口商品
价格，进而通过成本推动渠道推升中国的通胀水平。 刘晓兰和赖明勇 （ 2014） 认
为美国的量宽政策 促 使 人 民 币 升 值， 进 而 抑 制 中 国 的 出 口 贸 易。 沈 国 兵 和 张 鑫
（2015） 的研究表明，美元弱势调整驱使中国的出口对象从美国转向东盟国家 ， 同
时减少了来自东盟国家的进口。然而，大多数文献是在一国框架下研究外部冲击对
于中国经济的影响，未能从全球视野分析外部冲击的综合影响 ，也忽视了中国经济
对外部环境的反馈作用，结论的准确性值得商榷。
与现有研究相比， 本文的贡献在于： 一是利用 GVAＲ 模型的动态分析方法，
在充分考虑世界经济交互反馈作用的条件下 ，详细评估主要货币汇率变动对于中国
进出口贸易的 “溢出效应 ” 及传导机制； 二是比较分析主要货币汇率冲击在 “溢
出效应” 上的差异性，为研究国际货币体系变动的整体影响提供了有价值的参考 ；
三是对主要货币汇率变动的贸易影响进行全面的国际比较， 揭示了汇率冲击 “溢
出效应” 的区域特征和国别特征，并结合区域生产网络的概念给出相应的解释 。

一、模型构建与方法说明

( 一) 全球向量自回归模型的构建
GVAＲ 模型考虑各国之间三种相互联系的途径， 即国内变量 X it 依赖于国外变
*
量 X it 的当期和滞后值、各国变量受全球外生变量 （ 如石油价格） 的共同影响、 第

136
《国际贸易问题》2018 年第 12 期 国际金融

i 个国家会受到第 j 个国家当期冲击的影响。 具体的建模过程可以概括为两步法：

*
第一步是在各国 VAＲ 模型的基础上引入外国向量 X it 的当期值和滞后值，从而建立
单个国家的 VAＲX* （p，q） 模型，p 和 q 分别是国内向量和国外向量的滞后阶数；
第二步是利用全球连接矩阵，将各国的 VAＲX* 模型集成为一个大型的 GVAＲ 系统并
求解，根据 GVAＲ 模型的估计结果可以进行冲击响应分析，模拟经济冲击在全球体
系中的传导效果，还可用于宏观经济变量的预测工作。受篇幅所限，此处不再赘述
GVAＲ 建模原理，Pesaran 等 （2004） 有过详细介绍。
鉴于本文所选样本的时间跨度较短，为节约模型求解的维度空间，我们参考
Bussière 等 （2012） 的建模方法，仅选择最为关注的进口贸易变量 （ im ） 和出口贸易
变量 （ ex ），以及与贸易关系最为紧密的汇率变量 （ er ） 和产出 / 需求变量 （ y ），由
这四个国内变量建立单个国家的 VAＲ 模型，同时以国际原油价格 （ oil ） 反映国际经
济周期的影响。参考 Dées 等 （2007） 的做法，因美国经济和美元汇率对于国际油价具
有特殊影响力，油价变量 （oil） 在美国的 VAＲX* 模型中被视作内生变量。
现有的绝大多数文献都是以总贸易权重来构建全球连接矩阵 ，但在垂直专业化
分工主导的生产和贸易体系中，以贸易总值为基础的官方贸易统计不能反映当前以
全球价值链为基础的国际贸易实际情况 ，有必要建立以增加值为基础的新贸易统计
法，对全球生产分块化背景下的国际贸易流动进行衡量 （ 王直、 魏尚进、 祝坤福，
2015） 。有鉴于此，本文以国内增加值的贸易数据替代传统的总贸易数据来构建全
球连接矩阵。
( 二) 样本选择与变量处理
对于 GVAＲ 模型而言，样本选择一方面要最大化国家覆盖面， 充分体现全球
特征； 另一方面要最大化时间序列长度， 以便于处理 “维度诅咒 ” 的问题。 在数
据可得性和准确性的约束条件下， 我们选择的样本时间序列为 1994 年第一季度至
2016 年第四季度，覆盖 26 个主要国家和地区 （ 见表 1） ， 占全球经济总量的比重
超过 90%，并且区域分布较为均匀。

表1 样本国家和地区分布
亚洲 （10） 北美 （3） 欧洲 （7） 资源国 （6）

中国、 日 本、韩 国、中 国 台 欧 元 区、 英 国、 丹 麦、 巴 西、 智 利、 澳 大 利

美 国、 加 拿 大、 墨
湾、印度、印尼、马来西亚、 瑞 士、 瑞 典、 挪 威、 土 亚、 新 西 兰、 南 非、
西哥、
菲律宾、新加坡、泰国 耳其 沙特
注： 土耳其是欧洲生产网络的重要成员，故采取样本时把它归为欧洲。

贸易变量 im 和 ex 均为消除进出口价格影响的实际值 ，汇率变量 er 为国际清算

银行公布的实际有效汇率指数，产出变量 （ 或需求变量 ） y 为实际国内生产总值指
数，油价变量 （ oil） 为布伦特原油价格指数。 基期均为 2010 年。 原始数据来源于
国际货币基金组织 （ IMF） 、经合组织 （ OECD） 和环亚经济数据公司 （ CEIC） ， 所
有变量均采用 X － 12 方法作季节调整，再经过自然对数处理后进入计量模型 。
国内增加值贸易数据来源于 TiVA Database， 为避免单个年份数据的异常性扰

137
国际金融 《国际贸易问题》2018 年第 12 期

动，我们取 1995 年、2005 年、2011 年的平均值计算增加值贸易权重 。 为直观反映

传统贸易统计方式与增加值贸易统计方式的差异 ，我们在表 2 中对比了代表性国家
的增加值贸易权重，以及按同期平均值计算的总贸易权重 。

表2 代表性国家的增加值贸易权重和总贸易权重
国内增加值贸易权重 （ %） 总贸易权重 （ %）
中国 墨西哥 印尼 土耳其 中国 墨西哥 印尼 土耳其
日本 20. 5 4. 0 20. 7 2. 2 20. 0 3. 2 21. 5 2. 9
美国 20. 3 71. 0 11. 9 8. 8 19. 1 74. 2 11. 4 10. 0
欧元区 15. 8 8. 1 11. 4 51. 9 16. 7 7. 1 11. 7 54. 7
合计 56. 6 83. 2 43. 9 62. 9 55. 8 84. 5 44. 7 67. 7

由表 2 可以得出几个初步判断： 一是日本、美国、欧元区这三大经济体在代表
性国家的对外贸易中占有举足轻重的地位 ， 在土耳其对外贸易中所占的比重超过
60%，在墨西哥对外贸易中所占的比重甚至超过 80%，意味着主要货币汇率变动的
“溢出效应” 不容忽视； 二是代表性国家与三大经济体的贸易联系程度存在显著差
异，墨西哥的对外贸易则高度依赖于近邻的美国 ，土耳其的对外贸易也高度依赖于
近邻的欧元区，意味着主要货币汇率变动的 “溢出效应 ” 可能会有一定的国别特
征和地缘特征； 三是总贸易数据夸大了国家间的联系程度 ，尤其是那些相互的垂直
专业化程度较高的国家之间更是如此 ，例如美国与墨西哥的联系程度高估了 3. 2 个
百分点，欧元区与土耳其的联系程度高估了 2. 8 个百分点。
( 三) 计量研究的方法说明
在建立 GVAＲ 模型之前，我们首先对变量的单位根性质进行检验 。ADF 和 WS
指标的检验结果均表明，所有的国内变量和国外变量都具有 I （ 1） 属性， 继而建
立单个经济体的 VAＲX* 模型。单位根检验和 VAＲX* 模型的滞后期选择都是基于
AIC 或 SBC 指标，最终有 16 个经济体建立 VAＲX*
（2，1） 模型，其余 10 个经济
体建立 VAＲX* （1，1） 模型 。
在建立 VECMX* 模型的过程中，如何识别变量之间的长期协整关系非常重要 。
我们采 用 系 统 性 的 检 验 方 法，
根据 迹 统 计 量 （ Trace ） 来 确
定单个 VAＲX* 模型中 9 个变
量的 协 整 秩 个 数 与 协 整 关 系
式。结果显示， 瑞典的协整秩
个 数 最 多 （ 3 个 ） ， 加 拿 大、
菲律宾、 中国台湾、 沙特、 瑞
士这五个经济体的协整秩个数
为 0， 其他国家或地区大多只
有 1 个协整秩。 在对这些协整 图1 协整关系响应 GVAＲ 系统冲击的持久曲线
注： 横轴为冲击模拟的季度数，纵轴为所有协整关系响应系统
关系进行系统性的冲击响应模
冲击的中位数。
拟之后，图 1 中的持久曲线快

138
《国际贸易问题》2018 年第 12 期 国际金融

速趋近于 0 证明这些协整关系的有效性。
另外，由于 GVAＲ 系统中的内生变量个数 （ k = 105） 大于时间序列长度 （ T
= 92） ，导致协方差矩阵 ∑ u 并不满足正定矩阵的必要条件， 难以进行自举估计，
从而给模型检验、 冲击响应等计算带来难题。 为此， 我们采用 Bailey 等 （ 2014）
提出的 LW 型收缩法来解决这个问题，系统估计的收缩参数为 0. 371251。本文采用
GVAＲ Toolbox2. 0 进行计量研究。
( 四) 模型识别检验
第一个是检验国外变量的弱外生性假设 。 我们采用 Johansen （ 1992） 和 Harbo
等 （1998） 的辅助回归方法进行检验， 由于加拿大、 菲律宾等五个经济体的协整
秩个数为 0，故未能进行外生性检验。根据 AIC 和 SBC 指标确定辅助回归方程中国
内变量和国外变量的滞后阶数均为 1 阶，表 3 给出了对应的检验结果。

表3 弱外生性检验结果
国家 / 地区 F 检验 F 临界值（5%） y* ex * im * er * oil
澳大利亚 F （2，77） 3. 115 2. 092 2. 202 0. 856 0. 044 0. 710
巴西 F （2，77） 3. 115 4. 163 3. 095 2. 517 2. 479 5. 887
智利 F （2，77） 3. 115 1. 350 1. 341 2. 126 3. 455 0. 144
中国 F （1，78） 3. 963 0. 233 0. 065 0. 040 1. 293 0. 028
丹麦 F （1，78） 3. 963 1. 838 1. 186 1. 072 0. 157 0. 285
印度 F （1，78） 3. 963 0. 013 0. 008 0. 226 4. 421 0. 700
印尼 F （1，78） 3. 963 0. 051 0. 192 0. 288 0. 033 0. 042
日本 F （1，78） 3. 963 0. 663 3. 356 2. 928 0. 014 0. 056
韩国 F （1，78） 3. 963 0. 381 0. 311 0. 086 0. 877 0. 361
马来西亚 F （1，78） 3. 963 0. 015 0. 331 0. 017 1. 009 0. 786
墨西哥 F （1，78） 3. 963 0. 507 0. 050 0. 013 0. 002 0. 122
新西兰 F （1，78） 3. 963 2. 094 1. 547 0. 236 2. 924 0. 182
挪威 F （1，78） 3. 963 1. 295 0. 110 0. 100 0. 150 0. 105
新加坡 F （1，78） 3. 963 0. 035 0. 537 2. 210 0. 873 0. 010
南非 F （2，77） 3. 115 1. 565 0. 799 0. 286 0. 875 0. 957
瑞典 F （3，76） 2. 725 0. 709 0. 142 0. 192 0. 487 1. 216
泰国 F （1，78） 3. 963 0. 000 0. 066 1. 865 0. 961 0. 412
土耳其 F （1，78） 3. 963 0. 012 0. 592 1. 123 0. 036 0. 081
英国 F （1，78） 3. 963 0. 686 0. 281 0. 603 0. 001 1. 678
美国 F （1，78） 3. 963 0. 100 3. 099 3. 081 2. 385 —
欧元区 F （2，77） 3. 115 1. 760 0. 347 0. 385 1. 553 0. 077
注： 加粗数字表示该变量在 5%的显著性水平上拒绝弱外生性假设。

从表 3 可以看出，在 5% 的显著性水平上，绝大多数国家 VAＲX* 模型中的国外

变量都通过了弱外生性检验，只有巴西、智利、印度三国 VAＲX* 模型中的个别国外
变量拒绝了弱外生性假设。但从实际情况来看，以巴西的经济体量和资源特征，并不
足以影响到国际产出变量和国际油价变量。以智利和印度在国际金融体系中的地位，
也不太可能对国际汇率变量施加显著影响。Bettendorf （2017） 曾指出 GVAＲ 模型的
小样本特征，可能导致弱外生性检验结果存在偏误，需要结合样本个体的实际经济状
况加以判断。因此，我们认为 GVAＲ 模型总体符合弱外生性的假设条件。

139
国际金融 《国际贸易问题》2018 年第 12 期

第二个是检验 GVAＲ 模型结构稳定性的假设。 由于样本期内发生了 1997 年亚

洲金融危机、2008 年国际金融危机等重大事件， 宏观经济变量的时间序列可能出
现结构断点，从而影响模型参数的稳定性。 因此， 我们利用 PK、Nyblom、QLＲ 等
指标检验 GVAＲ 模型的结构稳定性，并结合这些指标的异方差稳健值综合判定 。
从表 4 中的检验结果来看， 不同指标给出的检验结论差异较大。 其中， 基于
OLS 回归残差的 PK sup 和 PK msq 指标显示 GVAＲ 模型的结构稳定性相当好，稳定性假
设的拒绝比例不到 6%。然而，QLＲ 和 APW 指标的检验结果很不理想， 拒绝比例
都超过 30%。但经过异方差的稳健性处理之后， 这些指标的估计结果有了明显的
改进，Ｒ －QLＲ、Ｒ －APW 等指标的拒绝比例大幅降至 10% 以下或接近 10%， 证明
GVAＲ 模型基本符合结构稳定性的假设条件 。这种稳定性的原因可能在于 GVAＲ 模
型的独特优势，因为重大事件的断点信息主要包含在国外变量之中 ， 而 GVAＲ 模
型纳入国外变量并允许其对国内变量产生同期影响 ， 能够比一般的 VAＲ 模型更能
规避结构断点的不利影响。
表4 结构稳定性检验结果
GVAＲ 系统的内生变量
检验指标 合计
y ex im er oil
PK sup 3 （11. 5%） 1 （3. 8%） 1 （3. 8%） 1 （3. 8%） 0 6 （5. 7%）
PK msq 3 （11. 5%） 0 1 （3. 8%） 1 （3. 8%） 0 5 （4. 8%）
Nyblom 3 （11. 5%） 2 （7. 7%） 1 （3. 8%） 7 （26. 9%） 0 13 （12. 4%）
Ｒ-Nyblom 2 （7. 7%） 2 （7. 7%） 3 （11. 5%） 2 （7. 7%） 0 9 （8. 6%）
QLＲ 10 （38. 5%） 3 （11. 5%） 8 （42. 3%） 11 （42. 3%） 0 32 （30. 5%）
Ｒ-QLＲ 1 （3. 8%） 3 （11. 5%） 2 （7. 7%） 4 （15. 4%） 0 10 （9. 5%）
MW 7 （26. 9%） 2 （7. 7%） 4 （15. 4%） 10 （38. 5%） 0 23 （21. 9%）
Ｒ-MW 2 （7. 7%） 1 （3. 8%） 2 （7. 7%） 4 （15. 4%） 0 9 （8. 6%）
APW 9 （34. 6%） 3 （11. 5%） 9 （34. 6%） 11 （42. 3%） 0 32 （30. 5%）
Ｒ-APW 2 （7. 7%） 3 （11. 5%） 3 （11. 5%） 3 （11. 5%） 0 11 （10. 5%）
注： 表中数字为特定检验指标下，内生变量在 5%的显著性水平上拒绝参数稳定性假设的个数，括号内数字
为拒绝稳定性假设的内生变量个数占 GVAＲ 系统中该内生变量总数的百分比。

二、计量结果

本文采用广义冲击响应函数评估美元 、日元、欧元汇率非对称变动的外部冲击如
何影响中国的汇率与贸易，再结合广义预报误差方差分解进一步讨论影响中国贸易的主
要经济体及其变量。此外，我们还模拟了其他国家和地区对外贸易的冲击响应函数，分
析主要货币汇率非对称变动的全球影响，并通过冲击响应的国际比较分析，揭示汇率传
导的区域特征和国别特征。考虑到本文关注的重点是近期美元升值而日元和欧元贬值的
非对称汇率变动，此处仅对这种汇率冲击的影响进行动态模拟和计量分析。
( 一) 主要货币汇率非对称变动影响中国贸易的冲击响应分析
基于前文构建的 GVAＲ 模型， 我们模拟了中国各变量对于美元、 日元、 欧元
汇率非对称冲击的响应曲线 （ 见图 2） 。从图 2 （ a） 可以看出， 美元汇率一个标准
差的正向冲击 （ 升值 2. 67%） 导致人民币汇率快速升值， 并在第三个季度达到最
高点 （ 升值 0. 76%） ，此后逐渐回落，至第四十个季度的升值幅度约为 0. 34%。 中

140
《国际贸易问题》2018 年第 12 期 国际金融

国实行盯住美元的汇率政策①，是人民币汇率跟随美元升值的主要原因 。

图2 中国各变量对于主要货币汇率非对称冲击的响应曲线
注： 图中曲线按模拟结果的中位数来绘制，横轴为季度，纵轴为中国各变量对于主要货币汇率冲击的响应值。

然而，中国的出口贸易并没有像传统理论预期的那样随本币汇率升值而减少 ，
反而与本币汇率曲线表现出一致的同向性 ，只不过两者的相关性随着时间推移逐渐
弱化。我们判断这种 “悖论” 可能由如下两个原因所致： 第一， 美国进口增长的
正面需求因素一定程度上抵消了人民币升值的负面价格因素 。 在冲击响应模拟中，
美元汇率一个标准差的正向冲击将会引起美国进口的持续增长 ，在第四个季度的进
口增幅便达到 1. 28%，而美国在中国的出口份额中占比高达 28. 2% （2005 年） 。虽
然人民币升值削弱了中国的出口竞争力 ，但美国的进口需求增长起到了较好的对冲
作用。第二，人民币升值的进口利得部分抵消出口损失 。中国主要通过加工贸易参
与全球价值链的生产合作，出口贸易中的外国增加值比重高达 37. 4% （ 2005 年 ） 。
人民币升值虽然限制了最终产品的出口贸易 ，但中间品进口成本的节约则会部分弥
补出口损失。正是由于美国需求增长和进口成本节约的对冲作用 ，弱化甚至逆转了
人民币升值对于中国出口的不利影响 。
从变量 im 的响应曲线来看， 美元升值的冲击对中国进口贸易的影响弱得多
（ 第五个季度达到最高点 0. 12%） ，并且只在短期内起作用，长期影响趋近于 0。这
可能是由于出口导向型的经济发展战略之下 ， 中国的进口贸易主要服务于出口贸
易，真正服务于国内消费的进口贸易相对较少 ②，故而人民币跟随美元升值并不能
大幅刺激消费品的进口需求。在出口增长受限的情况下，作为衍生需求的进口贸易
自然难有显著的增长。
图 2 （ b） 显示，在日元汇率出现一个标准差的负向冲击 （ 贬值 2. 08%） 之
后，人民币汇率发生短时、小幅的贬值，但从第二个季度便开始进入持续升值的轨
道，至第四十个季度的升值幅度约为 1. 13%。 人民币汇率的升值走势同样与盯住
美元的汇率政策有关，因为日元贬值将会导致美元被动升值 ，进而使得盯住美元的
人民币汇率也随之升值。冲击响应的模拟结果表明，在日元汇率一个标准差的负向

①谭小芬和李莹 （2016） 的研究表明，1994 －2005 年间，人民币汇率严格盯住美元。2005 年 “汇改” 之

后，虽然名义上人民币汇率参考一篮子货币进行调节，但实际上采取的是软盯住美元的策略。
②商务部的数据显示，2005 年中国的加工贸易进口额为 2740 亿美元，占进口总额的比重为 41. 5%； 一
般贸易进口额为 2797 亿美元，占进口总额的比重为 42. 4%。然而，一般贸易中的消费品进口额只有 264 亿美
元，其余的机器设备类资本品进口，很多也是用于生产出口品。

141
国际金融 《国际贸易问题》2018 年第 12 期

冲击 4 个季度之后，美元汇率升值 1. 04%，人民币汇率跟随升值 0. 44%。

与美元升值的情形相类似，日元贬值所引发的人民币被动升值并未妨碍中国出
口，反而促进了中国出口的增长。在日元贬值冲击的 4 个季度之后，中国的实际出
口增长了 0. 16%，并且这种正向作用具有持久性。 其机理依然是由全球价值链的
国际分工体系决定的，因为中国与日本都属于东亚生产网络的核心成员 ，在全球价
值链中的前后向联系最为紧密，日本是中国进口中间品的最大来源地 ，中国的出口
贸易很大程度上依靠进口自日本的外国增加值 ①。日元贬值大幅降低了中国从日本
进口中间品的成本，从而部分抵消了人民币被动升值对于出口贸易的不利影响 。与
此同时，对于东亚生产网络以外的其他国家而言 ，因为与日本的全球价值链联系相
对较弱，面对日元贬值的外部冲击， 往往要承担本币被动升值的 “苦果 ” （ 见表
6） ，却难以享受价值链体系中汇率传导的 “红利 ”。 由此， 日元贬值冲击使得中国
的出口贸易能够获取一定的相对价格优势 。相应地，作为出口增长的衍生结果，中
国的进口贸易 （ 尤其是与日本的进口贸易） 也会随之增加。
图 2 （ c） 给我们展示了一副完全不同的情景， 尽管欧元贬值冲击同样刺激人
民币被动升值，但对中国进出口贸易的影响却迥异于美元和日元变动的情形 。欧元
汇率一个标准差的负向冲击 （ 贬值 1. 67%） 导致人民币汇率持续、 快速升值， 第
四个季度便已升值 0. 52%， 至第四十个季度的升值幅度约为 1. 14%。 然而， 与美
元升值和日元贬值对于中国贸易的正向刺激效果有所不同 ，欧元贬值冲击对于中国
贸易产生了负向抑制效果，并且这种负面效果还有长期化倾向 。在欧元贬值冲击的
4 个季度之后，中国的实际出口降低 0. 25%，实际进口降低 0. 1%。在 40 个季度之
后，中国的实际出口降低 0. 63%，实际进口降低 0. 37%。
欧元贬值对中国进出口贸易造成负面影响有多方面的原因 ： 第一，欧元贬值直
接抑制了欧元区国家的进口需求 ，而欧元区是中国的第二大出口市场 ，对欧元区的
出口受限拖累中国的整体出口表现 ； 第二，欧元贬值导致部分盯住欧元的部分欧洲
国家出现跟随性的本币贬值，中国在国际市场面临这些国家的竞争压力明显加大；
第三，与日元贬值的情况相类似， 欧洲生产网络中的成员国能够享受欧元贬值的
“红利” 传导。通过网络内部的生产合作与中间品进口 ，波兰、匈牙利、土耳其等
欧元区周边国家降低进口成本，从而进一步增强出口贸易的国际竞争力 。尽管中国
与欧元区也有着较为紧密的价值链联系 ，但与具有地缘优势的欧洲国家相比 ，联系
程度则要弱得多，所能享受的欧元贬值 “红利 ” 也要少得多。 欧洲及其邻近地区
的新兴经济体，得益于欧元贬值的价格优势，对中国的出口贸易尤其是高端产品的
出口贸易形成显著的 “挤压效应”，进而抑制中国的衍生进口贸易增长 。
( 二) 中国进出口贸易影响因素的广义预报误差方差分解
基于前述 GVAＲ 模型，我们对中国的汇率与贸易变量进行为期 40 个季度的预

①TiVA 的数据显示，2005 年中国出口贸易中包含的外国增加值大约 2 /3 来自于 OECD 国家，而在 OECD

国家当中，来自日本的增加值占比最高，约为 30%，来自欧元区的增加值占比次之，约为 21%，来自韩国和
美国的增加值占比相近，都在 16%左右。

142
《国际贸易问题》2018 年第 12 期 国际金融

报，分析 GVAＲ 系统中各变量在预报误差方差中所占的比例 （ 即贡献率 ） ， 进而识

别影响中国进出口贸易的主要因素。 篇幅所限， 我们在表 5 中仅给出 0 季 （ 当
期） 、4 季 （ 短期） 、16 季 （ 长期） 这几个代表性时点的预报方差分解结果， 以及
贡献率排名前 10 位的影响因素，并按 4 季度的贡献率作降序排列。 观察表中的估
计结果可以发现，中国的汇率与贸易变量均表现出较强的短期持续性 ，在 4 个季度
的预报期间，这三个变量对于自身预报误差的方差贡献率都超过 60%。 短期内，
中国进出口贸易的变化主要取决于内部经济状况 ； 但长期来看，外部经济的影响力
明显增强，成为不容忽视的重要因素。
从汇率预报的方差分解来看，除人民币汇率自身因素之外，影响人民币汇率的
首要因素是美元、欧元、瑞士法郎及日元的汇率，这主要是因为四大货币在人民币
实际有效汇率指数的货币篮子中占有很大比重 。其中，美元汇率又是影响力最大的
国际货币，在短期内更是如此。 在 4 个季度的预报期间， 美元汇率的贡献率高达
21. 2%，远高于其他国际货币。但长期内，美元汇率的影响力趋于下降， 而其他国
际货币的影响力趋于上升，这与图 2 中所示的情景完全吻合。有趣的是，中国的贸
易变量和产出变量对于汇率预报的贡献率很低 ，说明人民币汇率变动更多地属于货
币间的比价问题，国内实体经济与本币汇率似乎存在 “脱钩” 现象。

表5 中国各变量广义预报误差的方差分解
er 预报方差分解 ex 预报方差分解 im 预报方差分解
影响因素 （ %） 影响因素 （ %） 影响因素 （ %）
0 季 4 季 16 季 0 季 4 季 16 季 0 季 4 季 16 季
中国 － er 70. 2 62. 3 40. 5 中国 － ex 79. 2 65. 8 28. 3 中国 － im 74. 8 62. 6 33. 6
美国 － er 11. 0 21. 2 16. 1 中国 － y 6. 3 15. 0 25. 6 中国 － ex 6. 7 10. 6 17. 9
欧元区 － er 5. 2 6. 5 13. 0 美国 － y 2. 4 5. 4 19. 7 中国台湾 － im 5. 7 5. 7 20. 7
瑞士 － er 2. 6 5. 4 7. 5 欧元区 － y 3. 4 3. 9 10. 4 马来西亚 － im 4. 5 4. 7 11. 5
日本 － er 1. 5 3. 2 8. 4 中国台湾 － ex 2. 3 3. 2 4. 5 印尼 － im 0. 5 3. 9 4. 1
oil 1. 5 2. 2 3. 5 马来西亚 － ex 0. 8 2. 0 8. 4 日本 － ex 1. 6 3. 1 5. 2
欧元区 － im 2. 7 1. 8 3. 6 日本 － y 0. 6 1. 9 3. 3 oil 1. 9 2. 6 3. 7
印尼 － er 1. 4 1. 3 3. 5 中国 － er 1. 8 1. 8 0. 9 菲律宾 － im 1. 4 1. 4 2. 3
马来西亚 － im 0. 5 1. 1 3. 2 沙特 － im 1. 4 1. 7 2. 8 中国 － er 0. 3 1. 1 0. 5
中国台湾 － im 0. 2 1. 0 3. 5 韩国 － im 1. 5 1. 4 3. 3 欧元区 － ex 1. 0 1. 0 2. 0
前 10 合计 96. 7 106. 1 102. 8 前 10 合计 99. 6 102. 2 108. 2 前 10 合计 98. 3 96. 7 101. 5
全部合计 119. 1 130. 5 138. 0 全部合计 125. 2 127. 0 139. 8 全部合计 114. 8 129. 5 137. 5
注： 表中方差分解均根据自举估计的中位数计算而得。

从出口预报的方差分解来看，除中国自身的出口和产出变量之外 ，国际需求因
素和全球价值链因素的影响最值得关注 ， 长期影响尤为突出。 在国际需求因素中，
美国和欧元区的需求变量 y 是影响中国出口的首要因素，16 个季度的预报期间内，
美国和欧元区的需求对于中国出口的贡献率分别为 19. 7% 和 10. 4%， 而日本需求
的贡献率仅为 3. 3%，这与中国出口的市场构成情况基本一致。 在全球价值链因素
中，中国台湾地区、马来西亚以及韩国的贸易变量对于中国大陆出口的贡献率合计
达到 16. 2%，这是因为中国与这三个经济体同为东亚生产网络的重要成员 ， 相互
间的垂直专业化分工与中间品贸易深化了彼此之间的经济联系， 形成了 “一损俱

143
国际金融 《国际贸易问题》2018 年第 12 期

损、一荣俱荣” 的利益格局。 人民币汇率只是在短期内影响中国的出口贸易， 但

长期影响趋近 于 0， 从 另 一 个 角 度 揭 示 了 国 内 实 体 经 济 与 本 币 汇 率 的 “脱 钩 ”
现象。
再来考察进口预报的方差分解结果，除去进口贸易自身的影响之外，中国的进
口贸易还受到三个因素的影响： 一是在加工贸易模式下，中国的出口贸易依赖于外部
进口的原材料、机器设备、中间品等投入品，因而出口增长对进口贸易形成连带的拉
动效应； 二是在全球价值链体系中，中国的进口贸易与上下游经济体的贸易活动存在
联动效应，特别是同属东亚生产网络的中国台湾、马来西亚、日本等经济体的影响最
大，其对中国大陆进口的长期贡献率超过 40%； 三是以国际油价为代表的大宗商品价
格也有着显著的影响，这主要是因为中国对原油、矿石等大宗商品存在较高的进口依
存度。相比之下，中国的需求变量 y 对进口贸易的影响微乎其微，说明国内消费对于
中国进口的刺激作用较弱，进口贸易很大程度上只是出口贸易的附属活动，根本上还
是服务于国外消费而非国内消费。此外，与出口贸易的情形相类似，人民币汇率只是
在短期内影响中国的进口贸易，但长期影响趋近于 0，再次证明实体经济与本币汇率
的 “脱钩” 现象，并且进口贸易与汇率的 “脱钩” 程度更甚于出口贸易。
( 三) 主要货币汇率非对称变动对各国贸易的影响比较
沿用前述的 GVAＲ 模型和冲击响应分析方法， 我们继续考察美元、 日元、 欧
元汇率非对称变动对各国贸易的影响 。由于多数国家对于外部汇率冲击的响应只在
短期内有效，长期的响应数值并不具有显著性， 故我们选择 4 个季度作为统一时
点，分析样本国家对于主要货币汇率非对称冲击的响应情况 。为便于比较，我们将
一个标准差的冲击全部转化为 1% 的冲击，表 5 列示了各国汇率及贸易变量的冲击
响应结果。
首先考察美国、欧元区、日本这三大经济体之间的相互影响。 在美元升值 1%
的冲击之下，短期内美元汇率持续升值 1. 2%，而欧元和日元汇率分别贬值 0. 62%
和 0. 67%。美元升值导致美国出口下降 0. 5%，进口增长 0. 48%， 进而扩大美国的
贸易逆差。与之相反，与美国直接竞争的欧元区和日本受益于本币贬值的价格优
势，刺激出口贸易分别增长 0. 24% 和 0. 45%，实际上挤占了美国企业的市场空间。
然而，欧元区和日本的进口响应却出现分化， 前者小幅增加了 0. 05%， 而后者减
少了 0. 1%，这可能是由于两者参与全球价值链的方式差异所致 。TiVA 的统计数据
显示，2005 年欧元区出口贸易中的外国增加值份额达到 25. 3%， 而同期日本的这
一数字仅为 11. 1%，说明欧元区和日本虽然同为全球价值链和区域生产网络的主
导者，但欧元区国家不仅出口关键零部件， 而且大量进口中间品做后续的深加工，
出口增长可以拉动中间品进口的派生增长 。而日本主要是对外出口关键零部件 ，较
少参与后续的生产流程，中间品的进口贸易自然也偏少。因此，尽管本币贬值理论
上会抑制消费品进口，但欧元区的中间品进口增长可以对冲消费品进口减少的负面
冲击，而日本的进口贸易则缺少类似对冲因素 。
比较其他国家和地区的冲击响应情况可以发现 ，汇率冲击的影响存在区域差异
和国别差异，表现出如下几个特征。

144
《国际贸易问题》2018 年第 12 期 国际金融

第一，美元升值和日元贬值会带动亚洲国家 （ 印度除外 ） 的汇率被动升值，

而欧元贬值则会引发欧洲国家 （ 英国除外 ） 的汇率跟随贬值。 这主要是因为亚洲
国家大多采取盯住美元的汇率制度 ，而欧洲国家大多采取盯住欧元的汇率制度 。不
过，汇率冲击的影响很大程度上局限于各国货币的汇率层面 ，对于多数国家的贸易
影响明显偏弱，进口贸易所受影响更加微弱，且很多都不具有显著性。这一方面可
能是因为外部汇率冲击需要经由本币汇率的变动才能传导至贸易活动 ，间接影响必
然会打上折扣； 另一方面可能是因为垂直专业化的国际分工模式 ，弱化了汇率因素
对于进出口贸易的影响。
第二，美元升值对于北美地区的贸易影响更加显著 ，日元贬值和欧元贬值的贸
易影响更加偏向于东亚地区和欧洲地区 。这主要是因为美国、日本、欧元区分别在
北美、东亚、欧洲三大区域生产网络中占据主导地位 ，而地缘关系和成本因素决定
了多数国家偏好参与地理邻近的区域生产网络 ，一些发展中国家还对所属网络的主
导国形成较强的依附性，其对外贸易很大程度上取决于该主导国的出口竞争力和进
口需求，受网络外部国家的影响相对较弱 。由此，主要货币汇率非对称变动的贸易
影响呈现出鲜明的区域特征。

表6 各国 （ 或地区） 汇率及贸易变量对于主要货币汇率非对称冲击的响应水平 （ 4 个季度）

er 响应 （ %） ex 响应 （ %） im 响应 （ %）
美元 +1% 日元 －1% 欧元 －1% 美元 +1% 日元 －1% 欧元 －1% 美元 +1% 日元 －1% 欧元 －1%
美国 1. 20 0. 50 0. 47 －0. 50 －0. 39 －0. 33 0. 48 0. 13 0. 18
欧元区 －0. 62 0. 42 －0. 82 0. 24 －0. 17 0. 62 0. 05 －0. 04 0. 23
日本 －0. 67 －1. 09 0. 30 0. 45 0. 68 －0. 17 －0. 10 －0. 11 0. 03
韩国 0. 32 0. 72 0. 10 －0. 22 －0. 50 －0. 21 －0. 06 －0. 16 －0. 01
中国 0. 27 0. 21 0. 32 0. 12 0. 08 －0. 15 0. 04 0. 02 －0. 06
马来西亚 0. 14 0. 37 0. 16 0. 16 0. 31 －0. 15 0. 05 0. 13 －0. 03
菲律宾 0. 23 0. 21 0. 11 0. 12 0. 10 －0. 08 0. 05 0. 04 0. 00
亚
新加坡 0. 20 0. 23 0. 13 0. 16 0. 23 －0. 08 0. 07 0. 06 0. 01
洲
中国台湾 0. 18 0. 17 0. 07 0. 12 0. 27 －0. 07 0. 05 0. 07 －0. 03
泰国 0. 09 0. 14 0. 11 0. 18 0. 30 －0. 08 0. 06 0. 19 0. 02
印度尼西亚 0. 15 0. 33 0. 18 －0. 07 0. 38 －0. 16 0. 04 0. 18 0. 02
印度 －0. 08 0. 04 0. 21 0. 13 －0. 07 －0. 29 －0. 02 0. 01 0. 02
英国 0. 36 0. 13 0. 50 －0. 18 －0. 05 －0. 43 0. 11 0. 04 0. 16
丹麦 －0. 12 0. 14 －0. 60 0. 05 －0. 03 0. 50 －0. 01 0. 01 －0. 14
欧 挪威 －0. 17 0. 13 －0. 50 0. 06 －0. 02 0. 39 －0. 04 －0. 04 －0. 15
洲 瑞典 －0. 14 0. 16 －0. 45 0. 07 －0. 03 0. 32 0. 02 0. 00 0. 09
瑞士 －0. 26 0. 16 －0. 48 0. 17 －0. 04 0. 39 0. 04 0. 02 0. 13
土耳其 －0. 23 0. 24 －0. 51 0. 16 －0. 02 0. 59 0. 05 0. 00 0. 22
北 加拿大 －0. 56 －0. 20 －0. 23 0. 41 －0. 12 －0. 14 －0. 13 －0. 06 －0. 04
美 墨西哥 0. 39 0. 26 0. 13 0. 05 －0. 26 －0. 28 0. 03 －0. 08 －0. 07
巴西 －0. 27 －0. 06 －0. 21 0. 28 －0. 07 0. 35 －0. 09 －0. 02 －0. 04
智利 －0. 21 －0. 05 －0. 14 0. 18 －0. 10 0. 09 －0. 04 －0. 02 －0. 04
资
沙特 0. 23 0. 07 0. 18 －0. 15 －0. 03 －0. 14 0. 09 0. 02 0. 05
源
新西兰 －0. 17 －0. 11 －0. 10 0. 16 0. 12 －0. 06 －0. 05 －0. 03 －0. 02
地
澳大利亚 －0. 20 －0. 16 －0. 11 0. 13 0. 24 －0. 11 －0. 06 －0. 06 －0. 03
南非 －0. 14 0. 03 －0. 29 0. 15 －0. 02 0. 26 －0. 03 0. 00 －0. 08
注： 表中冲击响应数字均根据自举估计的中位数计算而得。

145
国际金融 《国际贸易问题》2018 年第 12 期

第三，美元升值和日元贬值所引发的亚洲国家汇率升值 ，仅对韩国贸易产生负
面冲击，却未伤及其他亚洲国家的进出口贸易 。这主要是因为韩国与日本同为东亚
生产网络的主导者，相互之间存在强烈的竞争关系，美元升值和日元贬值都强化了
日本企业的价格竞争优势，却使得韩国企业处于非常不利的竞争环境 ，因而其日元
贬值的负面影响尤为突出。然而，包括中国在内的其他亚洲国家多为东亚生产网络
的依附者，与韩国和日本均为上下游的互补关系 ，日元贬值所引发的日本出口扩张
会抵消韩国出口萎缩的影响，泰国、印度尼西亚、马来西亚等与日本的分工合作联
系更加紧密的国家反而得益于日本出口增长的连带效应 ，进出口贸易都有了显著的
增长。出于相似的原因，欧元贬值所引发的欧洲国家汇率贬值 ，刺激了欧洲生产网
络中多数国家的进出口贸易，却对英国贸易产生负面冲击。
第四，对于沙特阿拉伯、巴西、澳大利亚等资源地来说，尽管本币汇率对于外
部冲击的响应方向和程度各异，但对外贸易与本币汇率的关系基本符合传统的理论
预期，即本币升值抑制出口同时刺激进口 ，反之则相反。因为这些国家主要是以产
业间分工模式参与到国际分工体系当中 ，而产业间分工正是传统贸易理论的一个基
础条件。与之相比，墨西哥、土耳其以及多数东亚国家都是以产品内分工模式参与
到国际分工体系当中，并且处在全球价值链的中下游位置 ，并不完全符合传统贸易
理论的假设前提，因而对外贸易与本币汇率的关系往往偏离传统理论的预期 。

三、结论与启示

第一，冲击响应的模拟结果表明，主要货币汇率的非对称变动均导致人民币汇
率的被动升值，但对中国贸易的影响却各有不同 。其中，美元升值和日元贬值对中
国的进出口贸易都产生了正向的激励作用 ，欧元贬值则产生了负向的抑制作用 ，正
负向作用相互抵消使得外部汇率冲击对于中国进口或出口贸易总量的影响趋近于
0。预报误差的方差分解显示， 影响中国贸易的因素除了自身的持续性作用之外，
还包括美国和欧元区的市场需求、 东亚生产网络的联动效应、 加工贸易的 “大进
大出” 特征以及国际大宗商品价格。人民币汇率与中国贸易之间的相互联系偏弱，
长期内存在 “脱钩” 现象，进口贸易与汇率的 “脱钩” 程度更甚于出口贸易。
第二，美元升值、日元贬值以及欧元贬值的汇率冲击使得美国 、日本、欧元区
的出口竞争力此消彼涨，欧元区和日本的出口增长对美国的出口贸易形成 “挤出
效应”。全球价值链的 “扩散效应” 进一步将三大经济体的贸易变动传导至区域生
产网络的其他国家，导致汇率冲击的贸易影响呈现出鲜明的区域特征 ，欧洲生产网
络和东亚生产网络的多数国家在欧元区和日本的带动下 ，对外贸易也随之增长，而
北美生产网络的墨西哥受到美国的拖累 ，对外贸易趋于萎缩。汇率冲击的贸易影响
还表现出显著的国别差异，对于全球价值链上游的多数发达国家以及资源国而言，
汇率冲击所引发的相对价格变动是影响出口贸易的关键因素 ； 但对于全球价值链中
下游的多数发展中国家而言，由于中间品进口的对冲作用，汇率冲击所引发的相对
价格变动并不足以影响出口贸易 ，其影响往往偏离传统贸易理论的预期 。
第三，从本文的实证结论来看，主要货币汇率的非对称变动将会扩大美国的贸

146
《国际贸易问题》2018 年第 12 期 国际金融

易逆差，引发美国贸易保护主义情绪的反弹 ，而中国长期以来都是对美贸易顺差最
多的国家，预计会面临美方愈加强大的贸易保护压力 ，2018 年 3 月份以来美国针
对中国发起的 “贸易战 ” 已经提示了这一风险。 对此， 中国一方面要强调全球价
值链环境下传统贸易统计的不适当性 ，严重高估了中国对美实际贸易顺差 ，敦促国
际组织以及美国政府采用增加值贸易的核算方法 ，合理评估国际贸易关系； 另一方
面也要指出美国的贸易逆差很大程度上归因于欧元和日元贬值的连带影响 ，中国作
为全球生产网络的 “枢纽 ” （ 张会清， 翟孝强，2018） ， 仅仅是这种连带影响的传
导中介而已，并非是引致美方贸易逆差的根源 。与此同时，还要加快推动国内市场
化和放权让利的改革，以改革的 “制度红利” 替代财政的 “补贴红利 ”， 避免被美
方以及其他国家抓住把柄，进而从根本上扭转贸易摩擦居高不下的局面 。
第四，欧元贬值虽然对中国的出口贸易产生了不小的负面冲击 ，但也为中国的
产业升级提供了难得机遇。当前欧元区乃至整个欧洲经济普遍不景气 ，企业生存步
履维艰，迫切需要外部资金给予支持，其中有相当一部分企业还拥有国际领先的核
心技术或专利。有条件的中国企业应当借助汇率优势和资金优势 ，在 “一带一路 ”
倡议下，抓住机会强化对欧洲的直接投资力度 ，着力推进对德国、法国、意大利等
传统制造强国的并购投资， 或者通过参股合资、 设立研发中心等方式实现以 “资
金换技术”，不仅有利于推动我国技术进步和产业升级 ， 而且有利于拉近中欧双方
的政治经济关系。中国政府除了在外汇、投资等方面提供必要的政策支持以外 ，还
需要通过外交努力化解欧洲政府的疑虑 ，加快签署双边投资协定，为国内企业投资
欧洲营造良好的外部环境。

［参考文献］

［1］关志雄 . 日元贬值对亚洲经济及日本经济的影响［J］． 国际经济评论，2002（1） ：9－13.

［2］胡援成，张朝洋 . 美元贬值对中国通货膨胀的影响：传导途径及其效应［J］． 经济研究，2012（4） ：101－112．
［3］刘晓兰，赖明勇 . 美国量化宽松货币政策对中国溢出效应研究———基于贸易渠道分析［J］． 财经理论与实
践，2014（5） ：2－7．
［4］沈国兵，张鑫 . 美元弱势调整会造成中国对东盟国家贸易偏转吗［J］． 南开经济研究，2015（3） ：19－37．
［5］谭小芬，李莹 . 人民币汇率制度改革的成就、困境与展望［J］． 国际贸易，2016（11） ：49－55．
［6］王直，魏尚进，祝坤福 . 总贸易核算法：官方贸易统计与全球价值链的度量［J］． 中国社会科学，2015（ 9） ：
108－127．
［7］张会清 . 人民币升值、商品异质性与出口结构调整［J］． 国际贸易问题，2015（2） ：155－167．
［8］张会清，翟孝强 . 中国参与全球价值链的特征与启示———基于生产分解模型的研究［J］． 数量经济技术经济
研究，2018（1） ：3－22．
［9］张明 . 美国经济下滑和美元贬值对中国出口和通货膨胀的影响［J］． 国际经济评论，2007（6） ：5－7．
［10］张延群 . 全球向量自回归模型的理论、方法及其应用［J］． 数量经济技术经济研究，2012（4） ：136－149．
［11］BAILEY，N. ，M. H. PESAＲAN AND L. V. SMITH. A Multiple Testing Approach to the Ｒegularisation of Large
Sample Correlation Matrices［Ｒ］，CAFE Ｒesearch Paper，2014，No. 5.
［12］BETTENDOＲF，T. Investigating Global Imbalances： Empirical Evidence from a GVAＲ Approach［J］． Economic
Modelling，2017（64） ：201－210.
［13］BUSSIＲE，M. ，A. CHUDIK，AND G. SESTIEＲI. Modelling Global Trade Flows： Ｒesults from a GVAＲ Model

147
国际金融 《国际贸易问题》2018 年第 12 期

［Ｒ］，Federal Ｒeserve Bank of Dallas Working Paper，2012，No. 119.

［14］DES，S. ，DI MAUＲO，F. ，PESAＲAN，M. H. ，SMITH，L. V. Exploring the International Linkages of the Euro
Area： A Global VAＲ Analysis［J］． Journal of Applied Econometrics，2007. （22） ：1－38.
［15］GＲEENWOOD－NIMMO M. ，V. H. NGUYEN AND Y. SHIN. Probabilistic Forecasting of Output，Growth，In-
flation and the Balance of Trade in a GVAＲ Framework［J］． Journal of Applied Econometrics，2010 （ 27 ） ：
554－573.
［16］HAＲBO，I. ，S. JOHANSEN，B. NIELSEN，AND A. ＲAHBEK. Asymptotic Inference on Cointegrating Ｒank in
Partial Systems［J］． Journal of Business and Economic Statistics，1998（16） ：388－399.
［17］JOHANSEN，S. Cointegration in Partial Systems and the Efficiency of Single Equation Analysis［J］． Journal of E-
conometrics，1992（52） ：231－254.
［18］PESAＲAN，M. H. ，T. SCHUEＲMANN，AND S. M. WEINEＲ. Modelling Ｒegional Interdependencies Using A
Global Error－correcting Macroeconometric Model［J］． Journal of Business and Economics Statistics，2004（ 22） ：
129－162.
( 责任编辑 刘建昌)

Impacts of Major Currencies Exchange Ｒates’

Asymmetric Variation on Trade
— A Study Based on GVAＲ Model
ZHANG Huiqing
Abstract： Based on the theory of the global value chain，this paper uses a Global
Vector Auto-Ｒegression （ GVAＲ） model to make an empirical study about the impacts of
major currencies exchange rates’asymmetric variation on trade，in relation to the world’
s major countries． The findings reveal that both the appreciation of the US Dollar and de-
preciation of the Yen generate positive effects on China’ s imports and exports，but the
depreciation of the Euro has negative effects． The total result of these two opposite effects
is negligible． The asymmetric shocks of exchange rates lead to the conflicting change of ex-
port competitiveness between USA， Japan and Eurozone． The export growth of the
Eurozone and Japan has a significant crowding-out effect on US exports． Under the linkage
mechanism of the global value chain，most countries in the European production networks
and East Asian production networks increase foreign trade． However，suffering from the
export shrinkage of USA，most countries in the North American production networks de-
crease foreign trade．
Keywords： Exchange Ｒate Variation； Import and Export； GVAＲ Model； Global
Value Chain

148