2016年以来人民币贬值的主要成因
金融
20 分钟 读完 (大约 3025 个字) 0次访问

2016年以来人民币贬值的主要成因

这是金融综合上的一道题目，参考答案给出了一些原因，还列举了一些数据，所以自己就想自己收集一些数据看一下是不是那样的。
本文所有代码的do文件下载：2016年以来人民币贬值分析.do

2016年以来人民币贬值的主要成因有

  1. 宏观经济走势上行乏力。2015年中国经济增速放缓，增速25年来首次回落7%以下，外贸进出口6年来首次出现双降。汇率作为国民经济发展的反映，可以反映除人民币贬值的压力陡升。
  2. 中国外汇储备大大减少。2015年我国的外汇储备字1992年以来首次缩水，20多年的高速增长也画上了句号。导致外汇储备减少的原因大致如下：首先，中国对外直接投资增加，2015年来首次突破万亿美元的大关；其次，国际套利资金在美国加息预期以及对中国经济看空双重压力下外逃；再次，2015年中国境外旅游规模第一次超过亿万人次，达到1.07亿人次，中国境外的消费规模在扩大；最后，国内民众因各种原因（如境外求学、资产保值增值等）在国外购置房屋投资等导致各种资金外流。对外投资及消费的增加，对外汇需求上升，这必然会从人民币汇率上反映出来。
  3. 中美利差收窄。自2015年下半年后，对美国加息因美国率先从次贷危机中恢复而甚嚣尘上。中国民众在此心理的作用下，甚至排队购汇，赚取汇率差价。
  4. 流动性过剩对人民币贬值有压力。自2008年来我国的货币供应量不断扩大，M2总量从2008年的47万亿增至130万亿，M2/GDP的倍率从1.5倍升至1.9倍，货币供应量持续高于GDP的增长导致资金外流。
  5. 外贸出口疲软。外贸出口曾经是我国一段时间经济发展中的最重要的推动力之一。但美国次贷危机之后的几年，主要的发达国家（如欧元区）等经济尚处于经济自我结构调整和恢复期，经济复苏缓慢，而我国的出口受外界市场环境的影响很大。另外，随着我国人力资本及经营成本的增加，近几年外资纷纷撤出中国到成本更低的越南、印度等地设厂，我国的出口成本优势丧失，也导致我国的外贸持续步入增长乏力阶段。

GDP&GDP增速

获取数据

首先安装我昨天新更新的R包messyr:

1
devtools::install_github("czxa/messyr")

然后回到Stata，运行下面的命令即可调用messyr包的get_gdp()函数然后把数据返回给Stata:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
* 下载数据
clear all
rcall: setwd("~/Desktop"); library(messyr); df <- get_gdp(); write.table(df, file = "GDP.csv", sep = ',', row.name = F)
import delimited "~/Desktop/GDP.csv", encoding(utf8) clear varn(1)
erase GDP.csv
save GDP_temp, replace

* 整理数据
use GDP_temp, clear
keep if index(数据日期, "一至四季度")
replace 数据日期 = subinstr(数据日期, "年一至四季度", "", .)
replace gdp绝对额 = subinstr(gdp绝对额, ",", "", .)
replace gdp同比增减 = subinstr(gdp同比增减, "%", "", .)
replace 第一产业gdp绝对额 = subinstr(第一产业gdp绝对额, ",", "", .)
replace 第一产业gdp同比增减 = subinstr(第一产业gdp同比增减, "%", "", .)
replace 第二产业gdp绝对额 = subinstr(第二产业gdp绝对额, ",", "", .)
replace 第二产业gdp同比增减 = subinstr(第二产业gdp同比增减, "%", "", .)
replace 第三产业gdp绝对额 = subinstr(第三产业gdp绝对额, ",", "", .)
replace 第三产业gdp同比增减 = subinstr(第三产业gdp同比增减, "%", "", .)
destring, replace force
save GDP, replace

虽然这个函数里面设置了直接保存的功能，但是那样保存的csv文件中的中文是乱码的，所以我还是单独运行了保存为csv文件的命令。

绘制年度GDP的走势图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
use GDP, clear
replace gdp绝对额 = gdp绝对额 / 10000
ren gdp绝对额 gdp
ren 数据日期 date
ren gdp同比增减 gdprate
tw ///
line gdp date, ///
	xti(年份) yti(GDP绝对额(亿元人民币)) ///
	xla(1952(5)2020) yla(0(10)90) ///
	xline(2017) yline(82.71217) || ///
pcarrowi 65 2000 82.7 2017, ///
	leg(off) ///
	lc(red*0.8) lw(*2) ///
	mlw(*2) mfc(red*0.8) mc(red*0.8) ///
	text(60 1997 "2017年GDP总额为""82.71万亿(RMB)")
gre gdptrend

GDP同比增速的走势图

1
2
3
4
5
6
7
8
9
10
11
12
13
tw ///
line gdprate date if date >= 1990, ///
	xti(年份) yti(GDP同比增速(%)) ///
	xla(1990(5)2020) yla(3(2)15) ///
	xline(1991) yline(7.0) || ///
scatteri 6.9 2015, m(D) mc(red*0.8) ||, ///
text(5 1993 "1991年""9.2%") leg(off)|| ///
pcarrowi 11 2015 7 2015, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) ///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(12 2015 "2015年GDP增速为6.9%""自1991年以来首次低于7%")
gre gdpratetrend

外贸进出口变化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
clear all
rcall: setwd("~/Desktop"); library(messyr); df <- get_custom(); write.table(df, file = "custom.csv", sep = ',', row.name = F)
import delimited "~/Desktop/custom.csv", encoding(utf8) clear varn(1)
erase custom.csv
save custom_temp, replace

use custom_temp, clear
replace 当月进口额总金额 = subinstr(当月进口额总金额, ",", "", .)
replace 当月进口额同比增长 = subinstr(当月进口额同比增长, "%", "", .)
replace 当月出口额总金额 = subinstr(当月出口额总金额, ",", "", .)
replace 当月出口额同比增长 = subinstr(当月出口额同比增长, "%", "", .)
replace 累计进口额总金额 = subinstr(累计进口额总金额, ",", "", .)
replace 累计进口额同比增长 = subinstr(累计进口额同比增长, "%", "", .)
replace 累计出口额总金额 = subinstr(累计出口额总金额, ",", "", .)
replace 累计出口额同比增长 = subinstr(累计出口额同比增长, "%", "", .)
gen date = date(数据日期, "YM")
drop 数据日期
order date
destring, replace force
format date %tdCY-N
gen year = year(date)
order year
bysort year: egen import = total(当月进口额总金额)
bysort year: egen export = total(当月出口额总金额)
keep year import export
duplicates drop year, force
tw line import export year if year < 2018, ///
	xla(2001(3)2017) ///
	xline(2009) ///
	xti("年份") yti(进口总额和出口总额) || ///
scatteri 16807.9 2015 || ///
scatteri 22824.5 2015 ||, ///
leg(order(1 "进口" 2 "出口")) ///
text(20000 2005 "2015年""进口总额和出口""总额均下降") leg(off)|| 	///
pcarrowi 20000 2007 16807.9 2015, 	///
	leg(off) ///
	lc(red*0.8) lw(*1.5) ///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) || ///
pcarrowi 20000 2007 22824.5 2015, 		///
	leg(off) ///
	lc(red*0.8) lw(*1.5)  ///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
text(7000 2010 "2009年")
gre imex

人民币汇率变化

1
2
3
4
5
6
7
8
9
* 调用美联储的数据需要预先设置好从FRED申请到的token，下面的是我的：
set fredkey ee68c644abe109ecaadaa3cfcf92ab41, permanently
import fred DEXCHUS, clear
format daten %tdCY/N/D
tw line DEXCHUS daten, ///
	xla(#8) yla(0(2)10) ///
	xti(日期) yti(人民币汇率) ///
	caption("注：美元标价法""上升表示人民币贬值，下降表示人民币贬值")
gre exrate

外汇储备

1
2
3
4
5
6
7
8
9
10
11
12
13
import fred TRESEGCNM052N, clear
replace TRESEGCNM052N = TRESEGCNM052N/1000000000000
format daten %tdCY/N/D
gen temp_date = daten
tw line TRESEGCNM052N daten, ///
	xla(#8) yla(0(0.5)4.5) ///
	xti(日期) yti(中国美元储备(万亿美元)) || ///
pcarrowi 4.0108337 16741 4.0108337 19875, ///
	leg(off) 							///
	lc(red*0.8) lw(*1.5) 				///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(4 14741 "2014年6月1日达""到最高点4.01万亿")
gre dollorreserve

境外旅游规模

这个数据我并没有找到，不过我在国泰安数据库找到了居民出境总人次的数据。为了方便使用，我把这个数据存入了我的cuse数据库，文件名为tourism.dta：

1
2
3
4
5
6
cuse tourism, clear
tw line 国内居民出境总人数 年份 if 年份 > 1993, ///
	xla(1993(2)2015) ///
	yla(0(3000)15000) ///
	yti(国内居民出境总人数(万人次))
gre tourism

中美利差趋势

美国的利率选择联邦基金利率自然最好，中国的基础利率根据我之前的课程报告《Shibor VS. 回购利率——中国货币市场基准利率的选择》中的研究，我就选择SHIBOR吧！

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
* SHIBOR-1W
clear all
rcall: setwd("~/Desktop"); library(messyr); df <- iborpro("SHIBOR-CNY-1W"); write.table(df, file = "shibor.csv", sep = ',', row.name = F)
import delimited "~/Desktop/shibor.csv", encoding(utf8) clear varn(1)
erase shibor.csv
save shibor_temp, replace
gen date = date(日期, "YMD")
format date %tdCY-N-D
drop 日期 涨跌幅
ren 利率 shibor
save shibor, replace

* 联邦基金利率
import fred DFF, clear
ren daten date
format date %tdCY-N-D
drop datestr
merge 1:1 date using shibor
keep if _m == 3
drop _m

tw line shibor DFF date, leg(order(1 "1周SHIBOR" 2 "联邦基金利率") pos(2) ring(0)) xti(日期) yti(利率%) yla(0(2)14)
gre shiborvsDFF

M2走势及增速

M2走势

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
clear all
rcall: setwd("~/Desktop");library(messyr); df <- get_money(); write.table(df, file = "money.csv", sep = ',', row.name = F)
import delimited "~/Desktop/money.csv", encoding(utf8) clear varn(1)
erase money.csv
gen date = date(数据日期, "YM")
keep date m2数量 m2同比 m2环比
replace m2数量 = subinstr(m2数量, ",", "", .)
replace m2环比 = subinstr(m2环比, "%", "", .)
replace m2同比 = subinstr(m2同比, "%", "", .)
destring, replace force
format date %tdCY-N
order date
gen date_temp = date
replace m2数量 = m2数量/10000
tw line m2数量 date if date > 13118, ///
	xti("月份") yti("M2数量(万亿)") || ///
pcarrowi 100 16437 47.51666 17867, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) 				///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(120 15837 "2008年12月""M2总量为47.5万亿") || ///
pcarrowi 170 18167 139.2278 20423, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) 				///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(180 17167 "2015年12月""M2总量为139.2万亿") || ///
pci 47.51666 17867 47.51666 21867, ///
	lp(dash) lc(black)|| ///
pci 139.2278 20423 139.2278 21867, ///
	lp(dash) lc(black)|| ///
pcarrowi 47.51666 21467 80 21467, ///
	lp(solid) lc(black) mc(black)|| ///
pcarrowi 139.2278 21467 105 21467, ///
	lp(solid) lc(black) mc(black)||, ///
text(95 21067 "6年间M2增加193%！")
gre m2

M2环比增速

1
2
3
4
5
6
7
8
tw line m2同比 date if date > 13118 || ///
pcarrowi 29.74 16202 29.74 18202, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) 				///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(29.74 15202 "2009年11月""M2环比增速为29.74%") ||, ///
xti(月份) yti(M2环比增速(%))
gre m2rate

M2/GDP

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
* 先要把月度数据转变成年度数据
gen month = month(date)
keep if month == 12
replace date = year(date)
format date %6.0f
keep date m2数量
save m2, replace
use GDP, clear
ren 数据日期 date
keep date gdp绝对额
replace gdp绝对额 = gdp绝对额 / 10000
merge 1:1 date using m2
keep if _m == 3
drop _m
drop if m2 == .
gen m2gdprate = m2/gdp
tw line m2gdprate date, ///
	xti(年份) yti(M2/GDP) ///
	xla(1990(3)2017) yla(0.8(0.2)2.2, format(%6.1f)) || ///
pcarrowi 1.2 2005 1.513051 2008, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) ///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(1.1 2003 "2008年M2/GDP""倍率为1.51") || ///
pcarrowi 2.027234 2005 2.027234 2017, ///
	leg(off) ///
	lc(red*0.8) lw(*1.5) ///
	mlw(*1.2) mfc(red*0.8) mc(red*0.8) ///
	text(2.027234 2003 "2017年M2/GDP""倍率为2.02")
gre m2gdprate


看到这个图让我觉得很困惑，2008年的1.51实际上是低于历史趋势的，而2017年的2.02算是基本符合历史趋势，那么到底什么比值才是货币超发，还是说国家一直在超发货币？

外商直接投资

1
2
3
4
5
6
7
8
9
10
11
12
13
clear all
rcall: setwd("~/Desktop");library(messyr); df <- get_fdi(); write.table(df, file = "fdi.csv", sep = ',', row.name = F)
import delimited "~/Desktop/fdi.csv", encoding(utf8) clear varn(1)
erase fdi.csv
keep 数据日期 当月实际使用外资亿美元 当月实际使用外资同比增减
gen date = date(数据日期, "YM")
gen fdi = subinstr(当月实际使用外资亿美元, ",", "", .)
gen fdirate = subinstr(当月实际使用外资同比增减, "%", "", .)
keep date fdi fdirate
destring, replace force
format date %tdCY-N
tw line fdi date, xti(月份) yti(当月实际使用外资(亿美元))
gre fdimonth


感觉很不明显，下面是同比增速：

1
2
tw line fdirate date, xti(月份) yti(当月实际使用外资同比增减(%))
gre fdirate


同样不明显。

1
2
3
4
5
gen year = year(date)
bysort year: egen fdiyear = total(fdi)
duplicates drop year, force
tw line fdiyear year, xti(年份) yti(当年实际使用外资(亿美元))
gre fdiyear

299个城市的职工平均薪酬

最后我想用299个城市的职工平均薪酬来反映名义人力成本，数据来自国泰安，为了便于使用，我也将它存入我的cuse数据库，文件名为pjw.dta:

1
2
3
4
5
6
7
8
9
10
11
12
13
* 工资
cuse pjw, c
* 查看城市的数量
codebook 城市代码
* 计算各市按照全部职工年均人数的加权平均工资
* 需要安装一个计算加权平均的egen命令
* net install _gwtmean.pkg, from("http://fmwww.bc.edu/RePEc/bocode/_/")
keep 年度 全部职工年均人数 职工平均工资
bysort 年度标识: egen avgwage = wtmean(职工平均工资), weight(全部职工年均人数)
duplicates drop 年度标识, force
keep 年度标识 avgwage
tw line avgwage 年度标识, xti("年份") yti("299个城市的职工平均工资")
gre avgwage

# R, Stata

喜欢这篇文章？赞赏一下作者吧！你也可以关注作者的微博和GitHub

GitHub
donate.github
数据库技术的基本概念和方法
Stata连接MySQL数据库的方案

评论

关注我

链接

分类

标签云

C++ Html JavaScript Julia Latex Markdown Mata MySQL PHP Python R SQL Server Shiny Stata shell
程振兴

程振兴 @czxa.top
截止今天，我已经在本博客上写了659.4k个字了！

我正在写一本开源书！
最近正在写一本开源书：Stata for Data Science，欢迎试读和反馈。

最新文章

归档

标签

C++ 3
Html 2
JavaScript 3
Julia 1
Latex 3
Markdown 6
Mata 4
MySQL 21
PHP 3
Python 71
R 162
SQL Server 1
Shiny 5
Stata 103
shell 14
我正在写一本开源书！
最近正在写一本开源书：Stata for Data Science，欢迎试读和反馈。

最新文章

归档

标签

C++ 3
Html 2
JavaScript 3
Julia 1
Latex 3
Markdown 6
Mata 4
MySQL 21
PHP 3
Python 71
R 162
SQL Server 1
Shiny 5
Stata 103
shell 14
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×