外汇估值快照（2026年6月）

外汇 FX 估值快照 2026年7月20日 外汇估值快照（2026年6月） Strategist+44-20-7547-8718查理·海姆斯 我们基于贸易的模型（DBeer、FEER、PPP）的最新结果： 我们的基于贸易的模型发现，中欧和东欧（CEE）的汇率仍然昂贵，其中以色列新谢克尔（ILS）领涨。事实上，我们看好短期以色列新谢克尔，因为它是对科技股抛售最纯粹的套期保值工具。而在拉丁美洲（LatAm），墨西哥比索（MXN）仍然昂贵，而哥伦比亚比索（CLP）则持续显示出低估迹象。如果巴西中央银行（BCCh）转向更鹰派的立场，我们预计哥伦比亚比索（CLP）将有上行空间，而全面法案的批准应将支持外资流入，并为该国货币提供利好。相比之下，亚洲似乎相对被低估，韩元（KRW）在我们的框架中是最低廉的货币。人民币（CNY）、新台币（TWD）、印尼盾（IDR）和印度卢比（INR）在我们的贸易加权衡量标准中也位列最被低估的货币之一。 Shreyas GopalStrategist+44-20-754-51501 卡洛斯·蒙诺兹-卡萨莫 宏观策略师 +1-212-250-2259 克里斯塔尔·查尔斯研究员 在G10货币中，日元、挪威克朗、瑞典克朗和加元仍然是其中最便宜的货币。对于日元，最近的GPIF（全球中央银行投资组合委员会）沟通令人鼓舞，值得未来密切关注。我们对斯堪的纳维亚货币（指挪威克朗和瑞典克朗）持积极看法，并对加元维持中期看跌倾向。澳元、美元和瑞士法郎仍然是G10中最昂贵的三种货币。然而，对于澳元而言，其与美元的双边估值远未处于高估状态。我们继续看到瑞士法郎表现疲软。 我们资本模型（Cap-PPP）的最新结果： 我们的Cap-PPP分析表明，在亚洲，IDR、PHP和INR仍然被低估，而KRW继续被高估——这得益于年初至今的股票市场表现。在拉美，COP仍然被高估，事实上，市场对德·埃斯皮里利亚的胜利持乐观态度，尽管存在财政担忧。当结合我们的基于资本和贸易的估值框架时，IDR和JPY成为最被低估的货币，而CZK和COP则被评为最被高估的货币。注：截至6月底的即期水平。 2026年7月20日 外汇估值快照 来源：Haver Analytics，德意志银行 来源：Haver Analytics，德意志银行 基于贸易的估值：美元交叉错位（2026年6月） 来源：Haver Analytics，德意志银行（自2007年1月起） 来源：Haver Analytics，德意志银行 来源：Haver Analytics，德意志银行 德意志银行 基于资本和贸易的估值图表 德意志银行，哈弗分析，彭博财经有限公司 2026年7月20日 外汇估值快照 附录A：方法学概述 我们模型背后的方法论更详细的描述可以在特别报告——《外汇估值：一个框架和我们对新DBeer模型简介》（2016年7月15日）中找到。 我们改进的BEER估值模型：“DBeer” 计量经济学方法： 根据 BEER 模型的总体概念，我们直接估计了汇率与宏观经济变量之间的长期均衡关系。参照以往研究，我们借鉴 Engle 和 Granger (1987) 的著作《协整与误差修正：表示、估计与检验》，运行面板协整回归，以探寻实际汇率与以下比率之间的长期关系： 贸易条件 = 出口价格 / 进口价格 生产率比率 开放度 = （出口额 + 进口额）/ 国内生产总值 在我们早期的努力中，我们选择按区域进行面板回归（G10、拉美、EMEA和亚洲），以允许弹性估计因区域而异。估计多个面板是在国家特定弹性估计（这些估计并不总是稳定或统计上稳健）和忽略敏感性差异的单个面板估计之间的一种自然折衷。Cheung、Chinn和Fujii（2009年）在《衡量汇率错位的风险》一文中，指出了在此背景下区分不同国家分组的重要性，尤其是在考虑巴拉萨-萨缪尔森效应时。国际货币基金组织也指出了使用有限数据估计国家特定回归的风险：“关于计量经济学方法，鉴于样本期较短（25年），为每个国家分别估计实际汇率方程会得到非常不准确的结果。通过合并数据可以减少这种缺陷。”参见Ricci、Milesi-Ferretti和Lee（2008年）的《实际汇率与基本面：一个跨国视角》。因此，我们坚持对国家分组进行单独面板回归的方法。但是，我们从估计四个区域面板转变为估计五个面板，这些面板将经济上更相似的国家组合在一起。我们现在估计的五个面板是： (1) 能源商品出口国：巴西、智利、哥伦比亚、秘鲁、俄罗斯、南非、马来西亚、印度尼西亚、墨西哥 (2) 能源商品进口国：匈牙利、波兰、土耳其、捷克共和国、以色列、印度、菲律宾 （3）东亚“虎”：新加坡、韩国、台湾、中国、泰国 (4) G10商品出口国：澳大利亚、新西兰、加拿大、挪威 (5) G10商品进口国：欧元区、日本、英国、美国、瑞典、瑞士 2026年7月20日 外汇估值快照 东亚中高收入“老虎”经济体与其他新兴市场商品进口国之间的区分，在学术文献中具有一定的依据：例如，Cheung、Chinn和Fujii（2009）指出，这些东亚出口导向型经济体在真实汇率经历方面可以与其他地区/组别区分开来。在他们涉及真实有效汇率（REER）的面板回归分析中，他们也发现该地区与其他地区之间存在显著差异。 因此，我们估计以下形式的带有国家固定效应的面板回归模型： REER = α + β *TOT + δ *PROD + φ *OPEN + ε 对于国家 i、群体 r（新兴市场商品出口国、新兴市场商品进口国、东亚“老虎”、G10 商品出口国、G10 商品进口国）和时间 t。因变量是 BIS 实际广义贸易加权汇率（REER）。 我们使用自1996年以来的所有国家数据，这与我们早先的估计不同，早先的估计对于新兴市场国家使用了自2005年以来的数据。使用尽可能长的样本期非常重要，这既是为了允许实际有效汇率暂时偏离“公允价值”得以纠正，也是因为数据不足（尤其是新兴市场国家货币的数据）是购买力平价和双边实际有效汇率估计的一个关键局限性。总而言之，较长的样本期可以提高结果的稳健性。 国家固定效应是必要的，因为实际有效汇率（REER）是指数数值，因此各国之间不可比。此外，固定效应通过考虑时间不变的国家特定因素来减少遗漏变量偏差。国际货币基金组织（IMF）已强调，在涉及实际有效汇率的面板协整回归中包含国家固定效应的重要性（Ricci, Milesi-Ferretti and Lee 2008）。 我们使用由斯托克和沃森（1993）开发的动态普通最小二乘法（DOLS）估计量来估计上述规范。斯托克和沃森（1993）： “高阶集成系统协整向量的简单估计量”。此程序将右侧变量的差分的一阶领先项和滞后项添加到解释变量集中。这代表了我们早期BEER方法的一个转变，当时我们使用的是静态OLS估计量。DOLS估计量在面板协整框架内估计类似BEER模型的学术研究中常用：例如，国际货币基金组织的做法（里奇，米莱西-费雷蒂和李2008；乔德里和卡恩2004）以及塞内德西和斯托珀（2012）。这些研究也强调了在此背景下DOLS相对于静态OLS的优势。正如塞内德西和斯托珀总结的那样，“使用面板DOLS规范是因为在使用静态OLS的面板固定效应协整关系中，如果残差与解释变量的单位根过程的平稳分量之间存在相关性，则推断会存在缺陷。添加解释变量的差分的一阶领先项和滞后项会自动消除这种相关性。” 此外，我们遵循标准做法，将右侧变量的差分的一阶领先项和滞后项添加到解释变量集中。我们还使用异方差和自相关一致（纽维-西）标准误，因为领先-滞后程序会自动引入残差的序列相关并扭曲标准误。 解释变量： 贸易条件（TOT）是指出口价格与进口价格之比，它反映了贸易条件冲击带来的收入效应、财富效应和替代效应。我们使用花旗银行大宗商品贸易条件指数来衡量商品出口国（澳大利亚、加拿大、新西兰、挪威、印度尼西亚、马来西亚、俄罗斯、南非、智利和秘鲁）的贸易条件，对于菲律宾以外的所有其他国家，则使用其本国来源的贸易条件指数（因数据可得性问题）。 将国家来源地（价格）数据用于商品进口商，而不是使用花旗贸易条件指数，这是一个重要的区别。这是因为花旗指数仅捕捉商品价格变化对贸易条件的贡献，因此可能与商品进口商的“整体”国家来源地贸易条件有显著差异。 尽管大宗商品贸易条件指数忽略了重要的非大宗商品贸易条件变化，但我们使用花旗指数来衡量大宗商品生产者，因为它能较好地追踪大宗商品生产者整体贸易条件（因为这些国家的贸易篮子中大宗商品占比较大）。此外，花旗指数能及时更新每日大宗商品价格，而国家来源的贸易条件指数通常存在1-2个月的滞后。因此，我们选择使用花旗指数来衡量大宗商品出口者（及时更新且能准确反映整体贸易条件），而使用国家来源的贸易条件指数来衡量大宗商品进口者（更能准确反映整体贸易条件）。 PROD:生产力是本国生产力与外国（贸易加权）生产力的比率。生产力，并通过所谓的“巴拉萨-萨缪尔森”效应来捕捉经历生产率增长的国家可以通过非贸易品实现实际升值。通货膨胀。生产力指标一直是分歧的关键点之一。不同的啤酒型号，因为它不是直接可观察的，因此也难以衡量。有多个变量已被经验性地用于捕捉巴拉萨-萨缪尔森效应。欲了解不同实证方法的更多详情。用于捕捉巴拉萨-萨缪尔森效应，参见Coudert (2004)，“衡量”“中欧和东欧国家是否存在鲍拉萨-萨缪尔森效应？”可以有效地被归入两大类： 2026年7月20日 外汇估值快照 （1）通过非贸易品与贸易品价格之比直接进行衡量。这基于以下逻辑：巴拉萨-萨缪尔森效应利用生产率差异来解释非贸易品/贸易品之间的价格差异，进而解释了实际有效汇率持续偏离购买力平价（因为一价定律仅假定对贸易品成立）。因此，我们应能通过直接核算国家间非贸易品/贸易品价格比的差异，捕捉其实际有效汇率持续偏离购买力平价的情况，而无需进行生产率调整（生产率是不可观测的）。 这种方法，例如，被恩格尔（Engel）1999年的研究（《解释美国实际汇率变化》）所采用。然而，这种方法的主要缺点在于，利用现有数据来构建非贸易品和贸易品的价格指数，尤其对于发展中国家而言，这是非常困难的。 （2）通过生产力差异指标来捕捉巴拉萨-萨缪尔森效应。巴拉萨-萨缪尔森效应的原始表述指出，非贸易品与贸易品价格之比是全要素生产率（TFP）的函数，即标准柯布-道格拉斯生产函数（具有规模报酬不变）中的A：Y = A K^α L^(1-α)，其中K和L分别代表资本存量和劳动存量。 然而，全要素生产率并非直接观测得到；全要素生产率的增长通常是通过增长核算方法，在从整体GDP增长中剔除资本和劳动增长后计算出的一个剩余值。因此，尽管巴拉萨-萨缪尔森假说在理论上与全要素生产率相关，但由于数据限制（尤其是资本数据），大多数研究都采用了劳动生产率，并通过更广泛的人均GDP来近似衡量（因为相关数据容易获取）。以PPP计算的人均实际GDP被广泛用于捕捉巴拉萨-萨缪尔森效应：例如，参见Menchhoff等人（2015年）的《货币价值》，以及Iossifov和Loukoianova（2007年）的《加纳行为性均衡汇率模型估计》。然而，从理论角度来看，使用人均GDP来近似衡量巴拉萨-萨缪尔森效应是一种次优方法。 我们DBeer模型中用于核算巴拉萨-萨缪尔森效应的方法：近期的一些数据发展使得能够在各国之间以一致的方式计算全要素生产率（TFP）成为可能。具体而言，最新版本的宾夕法尼亚世界表包含了GDP、劳动力和资本存量数据，从而能够在一致框架下跨越时间范围和众多国家计算TFP。我们曾在我们早期的BEER方法中使用了该数据集，并在我们的设定中用TFP来代理巴拉萨-萨缪尔森效应。具体来说，我们假设了一个标准的柯布-道格拉斯生产函数（具有规模报酬不变性），使得TFP等于人均实际GDP与人均资本存量的比率 raised to a constant alpha。我们对alph