5D Library › 宏观流动性体制转换、极值尾部相依与杠铃资产配置 · English

第六章 主权缓冲与流动性体制

储备是一种自我保险

前五章讨论的是投资组合。本章把同样的问题放到国家的层面:一个新兴经济体平时从国外借入短期资金,一旦全球流动性收紧、资本突然停止流入甚至反向流出,它要用什么来支付到期的外债与进口?卡尔沃把这种「突然停止」的简单经济学讲得很清楚:资本流入突然中断时,经常账户必须在短时间内大幅调整,而调整的代价可能极高 (Calvo 1998)。外汇储备就是为这种时刻准备的缓冲:平时持有它有机会成本(储备通常投资于收益较低的安全资产),危机时它能争取时间。

问题与第五章的杠铃相似:缓冲要多大?代价是什么?在什么假设下能说「够了」?

充足性的经验规则

传统上有三类简单指标。进口覆盖:储备能支付几个月的进口,常见的经验门槛是 3 个月,适合资本账户不太开放的经济体。储备与广义货币之比:衡量居民把本币存款换成外币(资本外逃)的潜在规模。储备与短期外债之比:即格林斯潘—吉多蒂规则。

证据

格林斯潘 1999 年在世界银行储备管理会议上的演讲中介绍了阿根廷财政部副部长吉多蒂的建议:各国应能在一年内不借新的外债而维持运转,即可用的外汇储备应超过未来一年到期的外币债务 (Greenspan 1999)。格林斯潘还提出两点补充:外债的平均期限应超过某个门槛(例如三年);以及一种「流动性风险值」标准,即在一定的事前概率(例如 95%)下,国家能一年不借新债。

作者的框架要求核对 IMF 的 ARA 指标。核对结果如下。

证据

IMF 2011 年的政策文件《评估储备充足性》提出了针对新兴市场的风险加权指标(ARA EM 指标),权重按过去新兴市场资本外流的经验校准,并按汇率制度区分 (International Monetary Fund 2011)。下表是 IMF 2016 年指导说明汇总的现行权重 (International Monetary Fund 2016):

组成部分 固定汇率 浮动汇率
短期外债(按剩余期限) 30% 30%
其他证券投资负债 20% 15%
广义货币 10% 5%
出口 10% 5%

建议的储备水平为该指标的 100% 至 150%。表中「其他证券投资负债」的权重并非 2011 年的原值:2011 年的文件提议固定汇率 15%、浮动汇率 10%;2013 年的文件讨论了上调,按 2016 年指导说明的记载,鉴于 2008 年以后的经验,这一权重在 2015 年的文件中上调了 5 个百分点。2016 年的指导说明还规定:对居民实行资本流动管理措施的国家,广义货币的权重可减半(10% 与 5% 降为 5% 与 2.5%),并同时报告调整前后的结果;对大宗商品出口国不调整指标,而是另行报告应对价格冲击所需的缓冲;对信用受限的经济体,另有一套作为补充的方法,而不是对 ARA EM 指标的调整。

下面的程序为一个虚构的新兴经济体计算这些指标。

推导

# (1) Reserve-adequacy metrics for a FICTIONAL emerging economy (USD bn): Greenspan-
# Guidotti, import cover, reserves/broad money and the IMF ARA EM metric (weights for
# fixed / floating regimes: short-term debt 30/30 %, other portfolio liabilities 20/15 %,
# broad money 10/5 %, exports 10/5 %). (2) Reserves as a buffer stock under a two-regime
# global-liquidity cycle (ILLUSTRATIVE, monthly, 10 years, in units of the ARA metric).
import random, statistics

A = dict(reserves=120, std=70, opl=150, m2=400, exports=200, imports=180)

def ara(a, fixed):
    w = (0.30, 0.20, 0.10, 0.10) if fixed else (0.30, 0.15, 0.05, 0.05)
    return w[0] * a["std"] + w[1] * a["opl"] + w[2] * a["m2"] + w[3] * a["exports"]

def ten_years(k, shocks):
    r, crisis = k, False
    for tight, e, stop in shocks:
        if tight:
            flow = -0.025 + 0.04 * e - (0.15 if stop else 0.0)
        else:
            flow = 0.005 + 0.02 * e
        if not tight and r < k:
            flow += 0.01                                # rebuild towards the target
        r += flow; crisis = crisis or r < 0.4
    return crisis

def draw(rng, months=120):
    tight, out = False, []
    for _ in range(months):
        tight = (rng.random() < 0.90) if tight else (rng.random() < 0.02)
        out.append((tight, rng.gauss(0, 1), tight and rng.random() < 0.05))
    return out

if __name__ == "__main__":
    a = A
    print("fictional economy (USD bn): reserves 120, short-term debt 70, other portfolio")
    print("liabilities 150, broad money 400, exports 200 and imports 180 a year")
    print(f"   Greenspan-Guidotti: reserves / short-term debt ="
          f" {a['reserves'] / a['std']:.2f} (rule: >= 1)")
    print(f"   import cover = {a['reserves'] / (a['imports'] / 12):.1f} months"
          f" (rule of thumb: >= 3)")
    print(f"   reserves / broad money = {a['reserves'] / a['m2']:.0%}")
    for fixed in (True, False):
        m = ara(a, fixed)
        print(f"   ARA EM metric, {'fixed' if fixed else 'floating'} rate: {m:.1f}"
              f" -> reserves = {a['reserves'] / m:.0%} of it (suggested 100-150 %)")
    rng = random.Random(1999); paths = [draw(rng) for _ in range(10_000)]
    tight_share = statistics.fmean(sum(t for t, e, s in p) / len(p) for p in paths)
    print(f"buffer model: share of tight-liquidity months {tight_share:.1%};"
          f" crisis = reserves below 0.4 x metric")
    ks = (0.5, 0.75, 1.0, 1.25, 1.5, 2.0, 2.5)
    pc = {k: sum(ten_years(k, p) for p in paths) / len(paths) for k in ks}
    print(" target   P(crisis in   carry cost   expected 10-year cost (carry + P x loss)")
    print(" x metric  10 years)    10 years      loss = 1      loss = 3      loss = 10")
    best = {}
    for k in ks:
        carry = 0.02 * k * 10
        tot = [carry + pc[k] * L for L in (1, 3, 10)]
        for L, t in zip((1, 3, 10), tot):
            best[L] = min(best.get(L, (9e9, 0)), (t, k))
        cols = "".join(f"{t:7.3f}       " for t in tot).rstrip()
        print(f"  {k:4.2f}     {pc[k]:6.1%}       {carry:5.2f}      " + cols)
    print("   cheapest target on this grid: " + ", ".join(f"loss {L}: {best[L][1]:.2f}"
                                                         for L in (1, 3, 10)))
# fictional economy (USD bn): reserves 120, short-term debt 70, other portfolio
# liabilities 150, broad money 400, exports 200 and imports 180 a year
#    Greenspan-Guidotti: reserves / short-term debt = 1.71 (rule: >= 1)
#    import cover = 8.0 months (rule of thumb: >= 3)
#    reserves / broad money = 30%
#    ARA EM metric, fixed rate: 111.0 -> reserves = 108% of it (suggested 100-150 %)
#    ARA EM metric, floating rate: 73.5 -> reserves = 163% of it (suggested 100-150 %)
# buffer model: share of tight-liquidity months 15.6%; crisis = reserves below 0.4 x metric
#  target   P(crisis in   carry cost   expected 10-year cost (carry + P x loss)
#  x metric  10 years)    10 years      loss = 1      loss = 3      loss = 10
#   0.50      57.7%        0.10        0.677         1.830         5.868
#   0.75      35.9%        0.15        0.509         1.227         3.741
#   1.00      20.9%        0.20        0.409         0.828         2.294
#   1.25      12.1%        0.25        0.371         0.614         1.463
#   1.50       6.7%        0.30        0.367         0.501         0.970
#   2.00       1.8%        0.40        0.418         0.455         0.582
#   2.50       0.4%        0.50        0.504         0.513         0.544
#    cheapest target on this grid: loss 1: 1.50, loss 3: 2.00, loss 10: 2.50

前半部分的输出说明,不同的指标可以给出不同的结论。这个经济体的储备是短期外债的 1.71 倍,能覆盖 8 个月的进口,都远高于经验门槛;按 ARA 指标,如果它实行固定汇率,储备只有指标的 108%,刚刚进入 100%–150% 的区间;如果实行浮动汇率,则为 163%,超过了上限。同样的储备,在固定汇率下「刚好够」,在浮动汇率下「偏多」,因为浮动汇率本身吸收了一部分冲击,指标对它要求的缓冲更小。这些指标都是经验规则,不是从某个最优化问题推出的「正确答案」。

缓冲的动力学:作者的模型

储备的需求可以看作一个缓冲库存问题。弗伦克尔与约万诺维奇把国际收支的净流量建模为随机过程,推出最优储备取决于持有储备的机会成本与净流量的方差 (Frenkel and Jovanovic 1981);让纳与朗西埃把储备视为对突然停止的保险,最优水平取决于突然停止的概率、代价、风险厌恶程度与持有成本 (Jeanne and Rancière 2011)。在大宗商品市场,迪顿与拉罗克的竞争性储存模型说明了「库存不能为负」这一约束的后果:库存耗尽时价格会出现尖峰 (Deaton and Laroque 1992)。第七章会看到,常平仓面对的是同一个约束。

全球流动性本身也有体制。米兰达-阿格里皮诺与雷伊发现,美国货币政策驱动着一个全球金融周期:它影响全球风险资产价格、资本流动与金融机构的杠杆 (Miranda-Agrippino and Rey 2020)。本书不使用任何实时数据,也不对任何国家作预测,只用一个合成的两体制模型说明缓冲的动力学。

作者的模型(示意参数,按月,十年):储备以 ARA 指标为单位。全球流动性在「宽松」与「紧张」两个体制间切换,宽松体制保持的概率每月 0.98(平均约 50 个月),紧张体制 0.90(平均 10 个月)。宽松时每月净流入 0.5% 加噪声,储备低于目标时央行每月额外积累 1%;紧张时每月净流出 2.5% 加噪声,并且每月有 5% 的概率发生一次突然停止,一次流出 15%。储备跌破指标的 40% 记为一次「危机」。持有储备的成本为每年 2%(以指标为单位)。程序的后半部分对不同的初始目标水平,计算十年内发生危机的概率、十年的持有成本,以及在危机损失分别为 1、3、10(同一单位)时的期望总成本。

在这个模型中,十年内处于紧张体制的月份约占 15.6%。危机概率随目标水平下降,但下降得越来越慢:目标为指标的 50% 时为 57.7%,100% 时为 20.9%,150% 时为 6.7%,200% 时为 1.8%,250% 时为 0.4%。每多持有 0.5 个单位,持有成本线性增加 0.10,而减少的危机概率越来越小,这就是缓冲的边际保护递减。期望总成本最低的目标取决于危机有多贵:危机损失为 1 时最便宜的目标是 1.5,损失为 3 时是 2.0,损失为 10 时是 2.5。图 5 画出了这些曲线。

作者的储备缓冲模型(示意参数,十年)。左:十年内发生危机的概率随储备目标(以 ARA 指标为单位)的变化,灰色带为 IMF 建议的 100%–150%。右:持有成本加危机期望损失,三条曲线对应不同的危机损失,圆点为各曲线的最低点(图中用 4,000 条模拟路径,最低点与正文表格中 10,000 条路径的结果可能相差一个网格)。

这个模型的作用是说明结构,而不是给出一个数字:「储备的最优水平」取决于突然停止的频率与规模、危机的代价、持有成本,以及流动性体制的持续期,而这些量在现实中都很难估计。IMF 的 100%–150% 区间是一个经验校准的参照,不是这个优化问题的解。

注

模型没有包括的东西。 汇率制度的转换、本币与外币的错配、央行之间的货币互换额度、IMF 的贷款工具、资本管制、储备的币种与流动性结构、危机的自我实现(储备下降本身引发挤兑),以及储备过多带来的成本(例如冲销干预的财政代价)。危机阈值 0.4 是任意设定的。

假说 · 尚未验证

作者的假说(尚未确立): 在给定 ARA 充足率的条件下,新兴经济体发生外部危机的概率在全球流动性紧张的体制中显著高于宽松体制;因此一个随流动性体制调整的充足性标准,比固定的 100%–150% 区间更能区分高风险与低风险的国家—年份。什么样的结果能证明它是错的: 在事先固定的国家样本、危机定义与实时可得的体制划分下,充足率与体制的交互作用的置信区间包含零,或者随体制调整的标准在样本外的区分能力(例如 ROC 曲线下面积)不高于固定标准。

本章小结

外汇储备是对资本突然停止的自我保险。格林斯潘—吉多蒂规则要求可用储备覆盖未来一年到期的外债;IMF 的 ARA 指标按汇率制度给出不同权重(短期外债 30%,其他证券投资负债 20% 或 15%,广义货币与出口各 10% 或 5%),建议储备为指标的 100%–150%。同一个虚构经济体在固定与浮动汇率下的充足率分别为 108% 与 163%,不同指标可以给出不同结论。作者的两体制缓冲模型显示,储备越多,危机概率下降得越慢,而持有成本线性增加;「最优」水平取决于危机的代价与流动性体制的性质,经验规则只是参照。

参考文献

Calvo, Guillermo A. 1998. “Capital Flows and Capital-Market Crises: The Simple Economics of Sudden Stops.” Journal of Applied Economics 1 (1): 35–54.
Deaton, Angus, and Guy Laroque. 1992. “On the Behaviour of Commodity Prices.” The Review of Economic Studies 59 (1): 1–23. https://doi.org/10.2307/2297923.
Frenkel, Jacob A., and Boyan Jovanovic. 1981. “Optimal International Reserves: A Stochastic Framework.” The Economic Journal 91 (362): 507–14. https://doi.org/10.2307/2232599.
Greenspan, Alan. 1999. Currency Reserves and Debt.
International Monetary Fund. 2011. Assessing Reserve Adequacy. IMF Policy Paper. International Monetary Fund.
International Monetary Fund. 2016. Guidance Note on the Assessment of Reserve Adequacy and Related Considerations. IMF Policy Paper. International Monetary Fund.
Jeanne, Olivier, and Romain Rancière. 2011. “The Optimal Level of International Reserves for Emerging Market Countries: A New Formula and Some Applications.” The Economic Journal 121 (555): 905–30.
Miranda-Agrippino, Silvia, and Hélène Rey. 2020. “U.S. Monetary Policy and the Global Financial Cycle.” The Review of Economic Studies 87 (6): 2754–76. https://doi.org/10.1093/restud/rdaa019.

Fan, Y. (2026). Macro-Liquidity Regime Switching, Extreme Tail Dependence and Barbell Asset Allocation: Vine Copulas, Hidden Markov Models and Sovereign Buffer Dynamics [宏观流动性体制转换、极值尾部相依与杠铃资产配置] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23828049 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).