战争下汇率波动的实证研究

文章是对《Russia&#39;s Ruble during the onset of the Russian invasion of Ukraine in early 2022: The roel of implied volatility and attention》的理解和解读。这篇研究算是计量经济学的实证研究，角度未见得多新颖，但是贵在内容扎实。记录如下，多少也算积累了。本文中很多内容并非原文，而是我自己的理解，如有不对欢迎批评。
注：本文所有内容数据均来自《Russia&#39;s Ruble during the onset of the Russian invasion of Ukraine in early 2022: The roel of implied volatility and attention》，内容为作者结合自身理解后期加工。
作者：Stefan Lyocsa, Tomas
文章：《Russia&#39;s Ruble during the onset of the Russian invasion of Ukraine in early 2022: The roel of implied volatility and attention》
地址：Russia&#39;s Ruble during the onset of the Russian invasion of Ukraine in early 2022: The roel of implied volatility and attention

传统的宏观经济学理论把汇率的定价及波动的原因归结于两国生产力水平（GDP）及相关国际社会地位的体现。汇率有波动，但是总体上锚定两国的生产力发展水平及国家货币信誉、政治环境是否稳定等宏观因素。这都很好理解。但是随着二级市场参与者的增加和网络技术的普及，“散户”的因素逐渐增大。和大宗商品、股票以及虚拟货币等资产类似，汇率（一国货币的价格）也会随着人们的关注而出现波动，本文就是在探索这种关注波动的相关性和原因。

背景

在乌饿战争开打以来，卢布持续贬值（本篇文章数据主要选取在乌饿战争初期，所以卢布一直在贬值）。在2021年至今2022年3月。文章用了颗粒度更加精细的数据对implied volatility 和 attention进行了相关分析。

整体

其实，乌饿战争从8年之前就开始了。只不过在去年（2021）年底才由局部爆发到全局。而这篇文章研究的范围是从2021年12月至2022年3月份。也正是在这个时间，俄罗斯逐步开始屯兵乌克兰边境。

整体分析的时间框架对应美元/卢布汇率变化如上图，也是整个研究的背景。作者为了说明投资者预期和关注度对汇率变化有影响，采用了隐含波动率和谷歌日内搜索数据作为数据证据，基于此进行后面的统计学验证。数据的整体粒度是非常细腻的，日内关注度把每日划分成6个时间窗口，每个时间窗口之内每5分钟进行取数。隐含波动率也是采取4小时-5分钟的窗口进行划分和计算。
额外需要注意的，作者特别关注了取值的量纲问题，这一点在数据分析和研究中，显得尤为谨慎，但同时也非常耗时。在谷歌允许搜集的词条的时间序列长度远远小于研究的整体时间跨度时，我们需要采用过度时间用于对每次收集的数据进行量纲上的“校准”。（下图示意）这就是我们所说的脏活累活，很多人不愿意做，也确实很枯燥很无聊，但是至关重要，并且能注意到这个问题本身就需要对数据极其敏感。

每个片段为4天数据，其中最后天跟后一个4天片段的第一天做量纲对齐，以此类推，拼接起整个序列

建模

因为汇率波动本身就是一个自相关的时间序列，所以建模的时候很自然想到HAR模型（异质自回归）。因为数据时间窗的局限，只选取日内数据进行自回归建模。因为属于极端事件，波动过大（文中说是因为可能成指数变化）所以使用了对数估计。单位根在本研究中不存在。
作者用了7个模型去拟合，其中最通用的第七个模型给出了公式，如下：

其中公式的第三项标识日内波动，第四项标识日内特定的关注变化。（公式太复杂，我就不打了，但其实模型本身不重要，如果需要自行查看原文吧……）

结论
以美元对卢布汇率波动为例，具体统计表格见下：

美元-卢布

作为对比，欧元对卢布的波动模型如下：

欧元-美元

首先，从数据上来看，

每日的盘中波动是机构性的常态，是需要在统计上予以关注和剔除的。
欧元对卢布的弹性显然要比美元比卢布的弹性要大。
残差的序列相关并不显著，这对模型的鲁棒性有较好的支撑。
欧元对卢布的变化对投资者预期是高度敏感的。
一些鲁棒性检验在pannel F,证明模型是显著的。

结论&总结

经济制裁和局部热战在当今世界已经非常罕见了（至少之前的10年很少），所以有效的数据和样本就非常少，这篇文章给出了一个经济制裁之下汇率波动的早期版本。从图形和模型中都可以看到，关注度的波动率上升和汇率的上升基本都会有剧烈波动，但是相比于关注度的下降，汇率的下降明显缓慢很多。同时欧元相对卢布汇率变化远比美元相对卢布汇率变化更加敏感的事实似乎也说明了欧元在此次冲突中收到的影响更大，毕竟本身俄罗斯是和北约在战斗，欧元的核心区域也和战场距离更近，并且北溪2号因为战争的原因也直接威胁着欧洲能源安全。但仍有不足的是，这并不能比较完备的预测价格，毕竟关注着注意力使用的是搜索词的频率，但是搜索词并不能提前知道。并且我们不能排除是美国货币的金融地位在国际上远高于欧元这一因素导致的美国对俄汇率的相对稳定。
总体上看，文章的数据和实证是扎实有效，并且角度新颖的，但是也只是一篇汇率波动影响因素的实证研究，对于很多因素的具体逻辑的解释尚待挖掘。而且，模型所关注的是汇率波动，而对于金融领域来讲，波动固然重要，但是汇率的升降也许是更加令人感兴趣也是更加困难的预测对象。