美德还是幻影？汇率预测中的复杂性

美联储委员会，华盛顿特区 ISSN 1936-2854（印刷）ISSN 2767-3898（网络） 美德还是幻影？汇率预测中的复杂性 雷赫姆·基利奇 2025-089 吉利奇，雷希姆（2025年）。“美德还是幻象？汇率预测中的复杂性，”金融和经济学讨论系列2025-089。华盛顿：联邦储备理事会储备系统，https://doi.org/10.17016/FEDS.2025.089。 注意：金融与经济讨论系列（FEDS）中的工作人员研究报告是初步材料，用于激发讨论和评论。所提出的分析和结论是作者的观点，并不代表研究团队其他成员或理事会的一致同意。在出版物中引用金融与经济讨论系列（除致谢外）应与作者确认，以保护这些报告的初步性质。 美德还是幻影？汇率预测中的复杂性 2025年9月16日雷希姆·基利奇∗ 摘要 本文研究了“复杂性的美德”（VoC）是否从股票收益预测扩展到汇率预测。使用带随机傅里叶特征的非线性岭回归（Ridge–RFF），我们比较了复杂模型与线性回归和随机游走基准的预测性能。预测构建在三个经济基本面集合上——传统货币、扩展货币和非货币以及泰勒规则预测器——名义复杂性通过12、60和120个月的滚动训练窗口变化。我们的结果提供了一个谨慎的视角。复杂性只带来适度的局部收益：在具有丰富预测变量的非常小样本中，Ridge–RFF可以优于线性回归。然而，这些改进从未转化为超过随机游走的系统性收益。随着训练窗口的扩大，Ridge–RFF迅速失去优势，而线性回归越来越占主导地位，有时甚至在扩展基本面下超越随机游走。市场时机分析强化了这些发现：基于复杂性的策略偶尔能获得短期样本收益，但不稳定且容易出现急剧回撤，而更简单的线性策略和随机游走策略提供更稳健和一致的经济价值。通过结合正式的预测评估测试——包括Clark–West和Diebold–Mariano——我们表明复杂性的明显收益是脆弱的，并且很少具有统计显著性。总体而言，我们的证据表明在汇率预测中复杂性的美德是有限的：在狭窄定义的条件下，复杂性可能有所帮助，但简约性和随机游走基准在样本、预测变量集合和经济评估中仍然更可靠。 1 简介 准确预测汇率一直是国际金融领域最具挑战性和持久性的难题之一，追溯到梅斯和罗格夫（1983）的开创性研究。他们有影响力的发现——即基于经济基本面的结构模型在样本外预测中始终表现不如简单的随机游走——后续的实证研究继续证实了这一点；参见罗西（2013）的全面综述。尽管在理论上取得了相当大的进展和方法上的创新，所谓的梅斯-罗格夫之谜依然存在，突出了随机游走基准的稳健性，并对经济基本面的预测能力提出了质疑。 即便如此，近期研究已经确定了汇率可预测性可能出现的条件。实证研究强调了更丰富的预测变量集的作用、关注结构性政策体制的变化，以及方法论上的完善，例如面板数据方法、自适应建模框架和机器学习。特别是货币和非货币基本面、全球风险指标以及泰勒规则基本面的整合，在特定环境和时间范围内显示出前景（参见，例如，Molodtsova和Papell，2009年；Zorzi等人，2015年；Pfahler，2022年；Engel和Wu，2024年；Filippou等人，2025年）。 计量经济学领域的平行进展——尤其是在高维和机器学习背景下——重新激发了在预测中利用非线性结构的兴趣。Kelly等人(2024)通过...复杂性的优势(VoC)，认为具有非线性变换的高维模型，例如带有随机傅里叶特征的岭回归（RFF），可以通过利用适当的正则化下的“良性过拟合”来优于更简单的线性模型。这些主张引发了一场细致的辩论：Nagel（2025年）和Buncic（2025年）告诫说，明显的收益可能反映机械波动-时间伪影或限制性实现选择，而不是真正的经济结构。对此，Kelly和Malamud（2025年）澄清了标称和有效复杂度，并证明VoC曲线的斜率对参数-样本比至关重要，这意味着随着有效样本量的增长，收益会衰减；他们还讨论了将集成复杂度作为更稳健的方式来利用高容量模型。 受这些辩论和持续的汇率谜题的启发，本文探讨了主要在股票中记录的VoC是否延展至汇率可预测性。我们提出了三个问题：(i) 通过RFF Ridge回归实现的复杂度，相较于线性回归和FX中的稳健随机游走基准，是否在样本外带来了有意义的收益？(ii) 任何收益对预测变量的选择有多敏感？以及(iii) 复杂模型能否将预测收益转化为经济市场时机策略中的价值？ 我们研究了三组广泛使用的根本因素：(i) 传统货币变量（货币增长、利率差异、产出增长和通胀差异）；(ii) 一个结合了货币和非货币根本因素的扩展集合，包括Engel和Wu（2024）中的全球风险指标；以及（iii) 根据 Molodtsova 和 Papell（2009）结合了利率差异和产出缺口的泰勒规则根本因素。为了确保全面的评估，我们考虑了12、60和120个月的滚动训练窗口。除了标准的样本外R2 并且均方预测误差（MSPE），我们采用克拉克-西特斯（CW）检验来评估与随机游走相比的预测准确性，并采用迪博尔德-马里亚诺（DM）检验来比较高复杂度的岭-径向基函数（Ridge-RFF）与线性回归，从而加强统计显著性及稳健性的推断。然后我们通过单货币和等权重货币投资组合的市场时机策略来评估经济相关性。 本文做出了三点贡献。首先，它对汇率中的VoC假设进行了首批严格的检验之一，在该领域中，随机游走长期是主导基准。与之前专注于比较复杂回归和线性回归的股票市场VoC研究不同，我们明确评估了Ridge-RFF模型相对于随机游走的性能，提供了更具挑战性和相关性的基准。其次，我们的结果表明，虽然Ridge-RFF可以在基本面丰富的小样本中带来局部收益，但这些改进是脆弱的：随着训练窗口的扩大，线性回归往往可以匹配甚至超过RFF的性能，而随机游走仍然表现出显著稳健性。第三，通过将预测统计与投资组合结果联系起来，我们证明了复杂性很少能转化为持久的经济价值。方法上，我们通过结合CW和DM检验——这些工具在那个辩论中几乎缺失——扩展了专注于股票的VoC文献，为当明显收益在统计上具有意义时提供了更清晰的证据。 我们的研究结果也直接关系到正在发展的客户声音讨论：在外汇交易中，当名义复杂性与样本大小相比较高时，Ridge–RFF会带来局部的改进，但一旦窗口扩大且复杂度比率下降，简约性就会占主导——线性回归，并且通常是随机游走，在统计和经济方面都占据主导地位。 本文的其余部分安排如下。第2节回顾相关工作并阐述我们的贡献。第3节描述实证方法、数据和汇率基本面的构建。第4节展示样本外预测结果和统计检验。第5节评估单一货币和等权重的投资组合的市场时机表现。第6节总结。更多数据详情见附录A。 2 文献综述 实证汇率预测长期以来一直受到 Meese 和 Rogoff (1983) 的开创性发现的挑战，即没有结构模型能够持续地胜过简单的随机游走。这个“随机游走基准”——通常是一个不变化预测——在样本外检验中仍然以难以超越而闻名。早期和近期的研究都证实，随机游走（尤其是没有漂移的）通常比经济模型产生更低的预测误差。例如，Cheung 等人 (2005) 检验了一组扩展的传统模型（包括货币和生产率基准的规格），发现没有一个模型在均方误差方面持续地胜过随机游走。Cheung 等人 (2017)的一项更新分析得出了相似的结论：即使有新的变体（例如，带有影子利率的实际利率平价，基于泰勒规则的模型），“较新的模型并不持续地胜过较老的模型”或随机游走，尤其是对于 EUR/USD等主要货币对。然而，他们也确实注意到在较长的时间范围内存在一些预测成功的实例——例如，在 5 年时间范围内击败随机游走的模型比在短期范围内更频繁地出现。这与文献中早些时候的暗示相一致，即任何可预测性可能仅在长期范围内或特定条件下出现，尽管这种收益是适度的且依赖于样本。总体而言，没有漂移的随机游走仍然是汇率预测中最难超越的基准，突显了 Meese–Rogoff模糊的持续性。 尽管如此，过去十年来，大量研究探讨了经济基本面何时以及如何有助于预测汇率。 Rossi (2013)概述了2000年后的研究发现，得出结论：“汇率是否可预测？”的答案是“取决于情况”。在特定的预测变量、模型和预测期选择下，可预测性似乎最强。值得注意的是，Rossi发现，在适当条件下，使用某些经济基本面（如泰勒规则差值（作为相对货币政策立场的代理变量）或外部失衡（例如净外国资产头寸））可以产生改进的预测。特别是，当这些基本面被用于具有有限参数估计的简单线性模型时，在较短的预测期显示出前景。这一结果呼应了早期的研究，即强加理论上的长期关系可以有助于预测：例如，强制长期均衡（通过误差修正项）的货币模型在2000年代在多年预测期取得了一些成功。 恩格尔和吴（2024）的一项最近研究表明，自20世纪早期以来，标准汇率模型的性能有了显著提高，从而进一步支持了情境特征对可预测性的观点。恩格尔和吴认为，这些模型，结合了货币和非货币基本面以及全球风险和流动性指标，与早期时期相比，在最近的几十年里表现要好得多。 (1970年代–1990年代)。他们主要将这种增强的可预测性归因于改进且更可信的货币政策体系，例如通货膨胀目标制，这些体系减少了自我实现预期和过度波动的空间。 同样地，研究也重新审视了购买力平价（PPP）作为预测指标。虽然历史上PPP因其短期表现不佳而受到批判，但最近的研究证据表明它在较长时期内可能是有用的。Zorzi等人（2015）表明，一个校准的半生命周期PPP模型（假设实际汇率缓慢向其均衡值均值回归）在短期和长期范围内都比随机游走更好地预测实际和名义汇率。事实上，一系列论文发现，基于PPP的简单预测通常显著优于随机游走，前提是假设汇率向其PPP值有现实意义上的缓慢调整。其直观理解是，即使在短期内基本面/价值关系较弱，汇率向相对价格平价的渐进拉动也可以在从中期到长期的范围内提供可利用的预测能力。相比之下，其他传统基本面记录则较为混杂。标准的货币模型（包括货币供应量、产出和利率）和未抛补利率平价（UIP，使用利率 differential）通常在短期范围内无法超越随机游走。有一些证据表明货币模型在更长的时域或面板估计中可以提高预测精度，但结果在样本之间并不一致。例如，Molodtsova和Papell（2009）发现，在21世纪初，将泰勒规则基本面纳入考虑可以产生优于随机游走的某些货币对的预测，但这种收益在其他时期会消失。同样，仅凭利率平价偏差的预测能力有限，因为存在时变的风险溢价（即远期溢价之谜）。研究人员尝试通过添加风险或流动性条件的代理变量——例如，全球波动率指数或金融压力指标——来捕捉这些时变溢价。Cheung等人（2017）报告说，添加风险和流动性因素可以提高粘性价格货币模型的样本内拟合度，但样本外的预测改进仍然不太令人印象深刻。总之，传统的宏观基本面本身难以始终如一地比随机游走更好地预测汇率，除非是在特定情况下，例如强制执行长期PPP或当特定的基本面失衡变得极端时。 基本面表现不一致的一个原因是结构性不稳定——即汇率与基本面之间的关系可能随时间变化的观点。近期研究通过模型不确定性和 regime-switching 方法应对这一挑战。例如，Kouwenberg 等人(2017) 开发了一个模型选择框架，允许相关基本面的集合随时间变化，这与投资者在不同时期对不同的变量支付选择性注意力的理论相一致。他们设计了一个自适应预测规则，在任何给定时间选择表现最佳的基本面-based 从一个广泛的经济变量菜单中构建模型。这种方法带来了显著的预测收益：样本外检验显示它在10种主要货币中有5种显著优于随机游走。选定的基本面——及其权重——随时间变化，表明汇率脱钩的部分原因可能是市场周期性地转移其关注点（例如，有时从利率差异转向贸易条件或外部赤字）。这些发现与Bacchetta和van Wincoop（2004）的“替罪羊”模型一致，该模型假设当真