Archive: 2026年10月22日

中国外汇储备规模基本稳定趋势不变

外汇储备规模基本稳定趋势不变

陈果静

我国外汇储备始终坚持多元化、分散化的投资理念，外汇储备月度变化在所难免，短期波动并不代表长期趋势。观察我国外汇储备规模需要放在更长一些的时间段内来考量。可以说，基本稳定是我国近年来外汇储备的主基调。接下来，面对诸多不确定性因素，外汇储备规模基本稳定的趋势仍然不变

外汇储备规模被认为是我国的外汇“家底”，这一数据的波动一直备受社会关注。最新的外汇储备数据显示，11月末，我国外汇储备规模为30956亿美元，较年初上升229亿美元，升幅0.7%。与年初水平对比之后不难发现，今年以来我国外汇储备规模保持了基本稳定。

我国外汇储备始终坚持多元化、分散化的投资理念，这意味着外汇储备投资不会将“鸡蛋放在同一个筐里”，而是利用不同货币、不同资产类别之间此消彼长的关系，控制总体投资风险，保障外汇储备保值增值。这也意味着，外汇储备受估值效应、贸易情况、跨境资本流动等多种情况共同影响，计价货币汇率、债券收益率、贸易差额等波动在所难免。正因为如此，外汇储备月度变化在所难免，短期波动并不代表长期趋势。

观察我国外汇储备规模需要放在更长一些的时间段内来考量。今年以来，我国外汇储备规模基本稳定在3.1万亿美元上下。近年来，我国外汇储备也围绕这一水平小幅波动，如2016年11月末，我国外汇储备规模为30516亿美元；2017年11月末，为31193亿美元；2018年11月末，为30617亿美元。可以说，基本稳定是我国近年来外汇储备的主基调。

接下来，面对诸多不确定性因素，外汇储备规模基本稳定的趋势仍然不变。

一是我国经济基本面依然长期向好，决定外汇储备基本稳定的趋势不变。从外部看，世界经济增速“见顶回落”的可能性增加，全球范围内的单边主义和贸易保护主义情绪加剧，外部不稳定不确定性因素依然较多。受内外部多重因素影响，我国经济增长面临的困难虽多，但总体来看，当前我国经济继续保持总体平稳、稳中有进的发展态势，主要指标运行在合理区间内，有效应对了国际风险挑战明显增多的复杂局势。我国经济发展有着巨大韧性、潜力和回旋余地，经济长期向好的态势不会改变，这将为外汇储备规模基本稳定提供有力支撑。

二是人民币汇率的市场化水平和弹性提升，有助于外汇储备保持基本稳定。在今年人民币破“7”后，并未出现此前市场恐慌的“跌跌不休”局面。与之相反，破“7”进一步打破了人民币汇率的“浮动恐惧”，打开了人民币汇率的浮动区间，汇率的弹性空间更足。近期，人民币汇率一度达到“7”上方，即使在波动相对以往更大时，也并未引发市场的恐慌，这说明市场对人民币双向浮动的适应性进一步增强，市场对于汇率走势的判断也出现分化，这有助于避免市场形成羊群效应，有助于外汇市场保持稳定，更有助于外汇储备规模保持基本稳定。

三是逆周期宏观调控政策持续发力，有助于外汇储备保持基本稳定。随着一系列逆周期宏观调控政策落地，我国贸易情况有望继续改善，银行代客远期净结汇已经连续14个月保持顺差，远期人民币还有较强的升值预期。在应对市场波动方面，我国还有丰富的经验和充足的政策工具。例如，在今年外汇市场波动期间，我国强化了预期引导，并通过加强市场沟通、发行央票等一系列措施，牢牢把握住了市场预期的主导权，避免了恐慌情绪进一步发酵。

下一阶段，这些积极因素将继续发挥作用，保持外汇市场供求稳定，维护跨境资金流动基本平衡，促进国际收支更趋平衡，外汇储备规模基本稳定趋势仍将保持不变。

我国外汇储备及其影响因素的分

二．计量分析

1．回归分析

选用“当年进口额X”、“国际经常账户差额T”、“国际资本项目差额R”、“进出口贸易差额I”、“实际利用外资W”、“国家外债余额V”和“年平均汇价A”作为解释变量。“外汇储备Y”作为应变量。通过对Y的回归进行多元线性拟合，大概估计出各解释变量对应变量的影响程度。

Y=β0 +β1Ｘ+β2Ｉ+β3Ｗ+β4Ｔ＋β５Ｖ＋β６Ａ+β7R

根据表中所列数据，进行多元线性拟合得到：

表1

Dependent Variable: Y

Method: Least Squares

Date: 06/03/05   Time: 12:53

Sample: 1989 2004

Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C -96.42745 188.2248 -0.512299 0.6223

X 0.763476 0.105664 7.225508 0.0001

I 1.290577 0.438334 2.944275 0.0186

T 0.885953 0.355649 2.491092 0.0375

W -0.122155 0.406348 -0.300617 0.7714

V 0.610045 0.299559 2.036479 0.0761

A -1.448563 0.460459 -3.145910 0.0137

R 0.654661 0.210038 3.116866 0.0143

R-squared 0.998180     Mean dependent var 1516.385

Adjusted R-squared 0.996588     S.D. dependent var 1645.826

S.E. of regression 96.13192     Akaike info criterion 12.27617

Sum squared resid 73930.77     Schwarz criterion 12.66247

Log likelihood -90.20938     F-statistic 626.9528

Durbin-Watson stat 1.842260     Prob(F-statistic) 0.000000

Ｙ＝-96.42745+0.763476Ｘ+1.290577Ｉ－0.122155Ｗ+0.885953Ｔ+0.610045Ｖ－1.448563Ａ+0.654661R

(188.2248)  (0.105664)  (0.438334)  (0.355649)  (0.406348)  (0.299559） (0.460459)  (0.210038)

t=(-0.512299)   (7.225508)  (2.944275)  (2.491092)  (-0.300617)  (2.036479)  (-3.145910) (3.116866)

r2=0.998180  S.E.=96.13912  F=626.9528

由Ｆ＝626.9528>Ｆ０．０５（7，8）＝3.50 (显著性水平α=0.05)，表明模型从整体上来看是显著的

2．多重共线性

由于经济变量之间可能存在高度相关性，因此我们还需要对变量之间的简单相关系数进行计算。

表2

X I T W V A R

X 1 0.514681599426 0.843421165475 0.600893174865 0.905572951167 0.536892449873 0.820156021162

I 0.514681599426 1 0.736971219215 0.73374586492 0.748782940209 0.712506853413 0.198688939312

T 0.843421165475 0.736971219215 1 0.599693202512 0.831830857414 0.560975754103 0.650956909975

W 0.600893174865 0.73374586492 0.599693202512 1 0.831182255184 0.926726490835 0.434142257553

V 0.905572951167 0.748782940209 0.831830857414 0.831182255184 1 0.778953374451 0.647507214342

A 0.536892449873 0.712506853413 0.560975754103 0.926726490835 0.778953374451 1 0.427415908293

R 0.820156021162 0.198688939312 0.650956909975 0.434142257553 0.647507214342 0.427415908293 1

从表2中我们可以看出，一些解释变量之间存在高度的相关性。同时从表1中也可以看出， W、V、A变量的参数t值并不显著(显著性为0.05，t0.025(14)=2.145)。表明模型中一些解释变量确实存在严重的多重共线性。对此我们必须进行修正。

（1）运用OLS法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟合效果最好的一元线性回归方程。

经分析七个一元回归模型，外汇储备Y对当年进口额X线性关系强，拟合程度高，即：

表3

Dependent Variable: Y

Method: Least Squares

Date: 06/02/05   Time: 21:16

Sample: 1989 2004

Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C -631.9788 102.4316 -6.169763 0.0000

X 1.171692 0.045031 26.01963 0.0000

R-squared 0.979740     Mean dependent var 1516.385

Adjusted R-squared 0.978293     S.D. dependent var 1645.826

S.E. of regression 242.4845     Akaike info criterion 13.93622

Sum squared resid 823182.1     Schwarz criterion 14.03279

Log likelihood -109.4898     F-statistic 677.0209

Durbin-Watson stat 1.130142     Prob(F-statistic) 0.000000

Y=-631.9788 +1.171692X

(102.4316) (0.045031)

t=（－6.169765）(26.01963)

r2=0.979740 S.E.=242.4845 F=677.0209

(2) 逐步回归。将其余解释变量逐一代入上式中。

代入W:         Y=-697.9190+1.151973X+0.236068W

(156.4964)  (0.057750) (0.415434)

t= (-4.459648) (19.94762)  (0.568246)

r2=0.980231 S.E.=248.5699 F=322.3002

W未通过t值检验，从模型中删去。

代入V:     Y=-843.4460+1.043349X+0.364493V

(182.8661) (0.102814)  (0.264674)

t=(-4.612369) (10.13809)  (1.377140)

r2=0.982319 S.E.=235.0746 F=361.1358

V未通过t值检验，从模型中删去。

代入A:   Y=-737.6959+1.60786X+0.172544A

(305.6385) (0.055104)  (0.468033)

t=(-2.413622) (21.06533)  (0.368658)

r2=0.979950 S.E.=250.3329 F=317.6853

A未通过t值检验，且对Y的影响并不显著，从模型中删去。

代入I:   Y=-716.3333+1.099851X+1.215557I

(78.33419) (0.038366)  (0.334106)

t=(-9.144580) (28.66728 )  (3.638240)

r2=0.989961 S.E.=177.1302 F=641.0062

I对Y的影响显著，并通过t值检验，引入模型中。

代入T:     Y=-645.9399+0.984447X+0.559716I+1.271460T

(68.61970)  (0.052115) (0.360729)  (0.459833)

t=(-9.413330)  (18.88983) (1.551622)  (2.765044)

r2=0.993868 S.E=144.0897 F=648.3365

T值提高了模型的拟合程度，但导致I的t值不显著。说明T、I之间有严重的多重共线性。再将T代入只含X的模型中试验。

Y=-597.9176+0.960644X+1.740598T

(64.47387) (0.052433)  (0.364726)

t=(-9.273797) (18.32130)  (4.772350)

r2=0.992638 S.E.=151.6897 F=876.4106

T对Y的影响显著，其拟合程度高于I，因此从模型中删除I。

代入Ｒ：    Ｙ=-600.8364+0.969378X+1.731460－0.044784

(68.94821)  (0.072956) (0.382488)  (0.248684)

t=(-8.714315)  (13.28712) (4.526840)  (-0.180084)

r2=0.992658  S.E.=157.6708  F=540.7979

Ｒ 对Ｙ的影响不显著，从模型中删去。

经过上述逐步回归分析，表明Ｙ对Ｘ、Ｔ的回归模型最优。

表４

Dependent Variable: Y

Method: Least Squares

Date: 06/02/05   Time: 22:35

Sample: 1989 2004

Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C -597.9176 64.47387 -9.273797 0.0000

X 0.960644 0.052433 18.32130 0.0000

T 1.740598 0.364726 4.772350 0.0004

R-squared 0.992638     Mean dependent var 1516.385

Adjusted R-squared 0.991505     S.D. dependent var 1645.826

S.E. of regression 151.6897     Akaike info criterion 13.04891

Sum squared resid 299127.1     Schwarz criterion 13.19377

Log likelihood -101.3913     F-statistic 876.4106

Durbin-Watson stat 2.351867     Prob(F-statistic) 0.000000

图示为

3．自相关性。

由表４知ＤＷ＝2.351867，在给定显著性水平为0.05，查表，n=16,k(解释变量)=2，得下限临界值dL=0.982,上限临界值du=1.539, 因为du

4．异方差检验

为保险起见，将White 检验和 ARCH检验结合起来。

（1）White检验

先在Eviews中打开X、T对Y的回归方程，然后在view中选择Residual Tests White Heteroskedasticity (cross terms)。得：

表5

White Heteroskedasticity Test:

F-statistic 0.448020     Probability 0.804597

Obs*R-squared 4.839574     Probability 0.435771

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 06/06/05   Time: 16:14

Sample: 1998 2004

Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C 109392.7 115356.9 0.948298 0.5169

X -52.01210 142.5064 -0.364981 0.7772

X^2 0.003321 0.039227 0.084674 0.9462

X*T 0.180250 0.434735 0.414620 0.7498

T -35.78583 736.6944 -0.048576 0.9691

T^2 -1.243318 2.528455 -0.491730 0.7091

R-squared 0.691368     Mean dependent var 17608.10

Adjusted R-squared -0.851794     S.D. dependent var 18665.83

S.E. of regression 25400.58     Akaike info criterion 22.89131

Sum squared resid 6.45E+08     Schwarz criterion 22.84494

Log likelihood -74.11957     F-statistic 0.448020

Durbin-Watson stat 3.191289     Prob(F-statistic) 0.804597

计算n*R2=7*0.691368=4 .839576（2）ARCH检验。

加入Y的残差平方和E2（=resid^2）在工作表中。

在OLS对话框里键入：

E2 C E2(-1) E2(-2) E2(-3) E2(-4)

输出结果为：

表6

Dependent Variable: E2

Method: Least Squares

Date: 06/06/05   Time: 16:48

Sample(adjusted): 1998 2004

Included observations: 7 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob.

C -23408.64 77933.21 -0.300368 0.7922

E2(-1) 0.906917 0.692478 1.309670 0.3205

E2(-2) -0.279622 1.127537 -0.247993 0.8273

E2(-3) 0.893231 0.600268 1.488055 0.2751

E2(-4) 0.059543 1.179240 0.050493 0.9643

R-squared 0.649682     Mean dependent var 20858.81

Adjusted R-squared -0.050954     S.D. dependent var 20698.15

S.E. of regression 21218.93     Akaike info criterion 22.93898

Sum squared resid 9.00E+08     Schwarz criterion 22.90035

Log likelihood -75.28644     F-statistic 0.927274

Durbin-Watson stat 1.442716     Prob(F-statistic) 0.577914

计算(n-p)r2=(7-4)*0.649682=1.949046

三．模型分析，析.48773,949046三三三、

从上面的模型中可以得知对我国外汇储备规模增长的决定因素主要是当年进口额和国际收支经常项目下差额。另外，从表１中也可以看出，进出口贸易差额Ｉ、年平均汇率Ａ、外债余额Ｖ、资本项目差额Ｒ与外汇储备的相关系数分别为1.290577、0.610045、1.448563、0.654661。显然他们与外汇储备有很高的相关性，从而间接影响外汇储备的适度规模。

一国外汇储备（官方国际储备）的变动是该国全部国际收支运行的结晶。一国的国际收支不仅反映了该国的全部对外经济交往，而且有助于我们认清该国的整个经济状况，特别是宏观经济运行的状况。

原则上说，一国官方国际储备的变动应当足以抵销经常项目下的余额的总和。也就是说，官方国际储备的增加额应当等于经常项目以及资本项目顺差之和。这就等于说，在考虑到了统计上的错误和遗漏因素之后，如果经常项目仍然不存在逆差，则资本项目的顺差只能表现为官方国际储备的增加；如果资本项目之下不出现资金净外流的逆差，经常项目的顺差必然体现为官方国际储备的增加；如果官方国际储备不增加，经常项目的顺差就只能转化为资金净外流的资本项目逆差。

根据国际收支帐户的这些平衡原则可以很容易地得出一个结论：1993年以来我国官方国际储备的大幅度增长，是这些年中我国经常项目连续净赢余、甚至往往经常项目和资本项目双顺差累积起来的产物。

进口规模的大小，直接影响着占用的外汇资金数量。一国占用的外汇资金越多，发生逆差的可能性及数额也往往越大，因此需要保持较多的外汇储备。例如，从１９９４年到１９９７年，中国出口收入中平均约２０％转化为外汇储备，在此４年间，出口收中转化为外汇储备的份额要比出口收入高于其趋势线的比例更大，即相对于出口收的增长而言，外汇储备是加速增长的。

进口额仅仅表示资金铁一种单向流动。而进出口贸易差额则反映了资金的双向运动及对储备的实际需求。中国每年都存在贸易差额，但其大小和方向往往不一致，波动幅度越大，对外汇储备的需求就越大。

一国外债规模越大，短期外债越多，还本付息的压力就越大，为维持清偿力，需要的国际储备就越多。自１９９４年外汇管理体制改革以来，中国实行“以市场供求为基础的，单一的、有管理的浮动汇率制度。”这意味着必要时人民银行可以入市进行适当干预。一般而言，央行在外汇市场上干预的目的在于养活汇率大幅度波动给实质经济发展带来的干扰，而非改变汇率的长期走势。但是目前由于人民银行对银行间外汇市场的过度干预，人民币汇率偏低，造成储备增长过快的势头。

因此，政府在确定适度外汇储备时，应该结合目前的经济状况，综合各个指标，分析各种影响因素，而不能简单的从单一的指标出发。

我国外汇储备及其影响因素的分析相关范文

中国外汇储备规模基本稳定趋势不变

我国外汇储备始终坚持多元化、分散化的投资理念，外汇储备月度变化在所难免，短期波动并不代表长期趋势。观察我国外汇储备规模需要放在更长一些的时间段内来考量。可以说，基本稳定是我国近年来外汇储备的主基调。接下来，面对诸多不确定性因素，外汇储备规模基本稳定的趋势仍然不变

外汇储备规模被认为是我国的外汇“家底”，这一数据的波动一直备受社会关注。最新的外汇储备数据显示，11月末，我国外汇储备规模为30956亿美元，较年初上升229亿美元，升幅0.7%。与年初水平对比之后不难发现，今年以来我国外汇储备规模保持了基本稳定。

我国外汇储备始终坚持多元化、分散化的投资理念，这意味着外汇储备投资不会将“鸡蛋放在同一个筐里”，而是利用不同货币、不同资产类别之间此消彼长的关系，控制总体投资风险，保障外汇储备保值增值。这也意味着，外汇储备受估值效应、贸易情况、跨境资本流动等多种情况共同影响，计价货币汇率、债券收益率、贸易差额等波动在所难免。正因为如此，外汇储备月度变化在所难免，短期波动并不代表长期趋势。

观察我国外汇储备规模需要放在更长一些的时间段内来考量。今年以来，我国外汇储备规模基本稳定在3.1万亿美元上下。近年来，我国外汇储备也围绕这一水平小幅波动，如2016年11月末，我国外汇储备规模为30516亿美元；2017年11月末，为31193亿美元；2018年11月末，为30617亿美元。可以说，基本稳定是我国近年来外汇储备的主基调。

接下来，面对诸多不确定性因素，外汇储备规模基本稳定的趋势仍然不变。

一是我国经济基本面依然长期向好，决定外汇储备基本稳定的趋势不变。从外部看，世界经济增速“见顶回落”的可能性增加，全球范围内的单边主义和贸易保护主义情绪加剧，外部不稳定不确定性因素依然较多。受内外部多重因素影响，我国经济增长面临的困难虽多，但总体来看，当前我国经济继续保持总体平稳、稳中有进的发展态势，主要指标运行在合理区间内，有效应对了国际风险挑战明显增多的复杂局势。我国经济发展有着巨大韧性、潜力和回旋余地，经济长期向好的态势不会改变，这将为外汇储备规模基本稳定提供有力支撑。

二是人民币汇率的市场化水平和弹性提升，有助于外汇储备保持基本稳定。在今年人民币破“7”后，并未出现此前市场恐慌的“跌跌不休”局面。与之相反，破“7”进一步打破了人民币汇率的“浮动恐惧”，打开了人民币汇率的浮动区间，汇率的弹性空间更足。近期，人民币汇率一度达到“7”上方，即使在波动相对以往更大时，也并未引发市场的恐慌，这说明市场对人民币双向浮动的适应性进一步增强，市场对于汇率走势的判断也出现分化，这有助于避免市场形成羊群效应，有助于外汇市场保持稳定，更有助于外汇储备规模保持基本稳定。

三是逆周期宏观调控政策持续发力，有助于外汇储备保持基本稳定。随着一系列逆周期宏观调控政策落地，我国贸易情况有望继续改善，银行代客远期净结汇已经连续14个月保持顺差，远期人民币还有较强的升值预期。在应对市场波动方面，我国还有丰富的经验和充足的政策工具。例如，在今年外汇市场波动期间，我国强化了预期引导，并通过加强市场沟通、发行央票等一系列措施，牢牢把握住了市场预期的主导权，避免了恐慌情绪进一步发酵。

下一阶段，这些积极因素将继续发挥作用，保持外汇市场供求稳定，维护跨境资金流动基本平衡，促进国际收支更趋平衡，外汇储备规模基本稳定趋势仍将保持不变。

11月份我国外汇储备增加651亿美元，专家称主要由汇率折算贡献

中国外汇储备连续两个月增长。

12月7日，国家外汇管理局公布的最新数据显示，截至2022年11月末，我国外汇储备规模为31175亿美元，较10月末上升651亿美元，升幅为2.13%。

外汇局表示，2022年11月，受全球宏观经济数据、主要经济体货币政策预期等因素影响，美元指数下跌，全球金融资产价格上涨。汇率折算和资产价格变化等因素综合作用，当月外汇储备规模上升。

“11月外汇储备增长了651亿美元，主要是由汇率折算贡献的。11月份，美元指数大幅回落超过5%，日元、欧元、英镑等对美元汇率升值5%以上，我们外汇储备中的这些非美资产折算成美元就会出现账面上的增值，估计这一块可能不低于500亿美元。此外，11月份欧美等发达国家的债券价格也出现不同程度的上涨，这对外汇储备也是正的贡献。”中国外汇投资研究院副院长赵庆明在接受澎湃新闻采访时表示。

“2022年11月，美元指数下跌，国际金融资产价格普遍上涨，受汇率折算和资产价格变化等因素综合作用，我国外汇储备规模上升。货币方面，美元汇率指数（DXY）下跌5%至106；非美元货币中，欧元上涨5.3%，英镑上涨5.1%，日元上涨7.7%。资产方面，以美元标价的已对冲全球债券指数（Barclays Global Aggregate Total Return Index USD Hedged）上涨2.3%；标普500股票指数上涨5.4%，欧元区斯托克50指数上涨9.6%，日经225指数上涨1.4%。同时，我国国际收支状况总体平稳，人民币兑美元汇率升值近3%，对外汇储备稳定形成支撑。”中国民生银行首席经济学家温彬指出。

整个11月，人民币对美元即期汇率从7.30附近一路走高，单月累计升值1566个基点，升幅超过2.1%。美元指数则在11月下跌了5%。人民币对美元中间价10月末的7.1768到11月30日的7.1769，调降1个基点。

在展望外汇储备后续走势时，外汇局表示，我国持续推动稳经济一揽子政策和接续措施全面落地生效，经济呈回稳向上态势，有利于外汇储备规模保持总体稳定。

“考虑到国际外汇市场汇率的变化，以及发达国家债券市场价格走势，未来我国外汇储备仍可能呈现稳中回升的态势。”赵庆明表示。

温彬则表示，当前世界经济衰退风险上升，国际金融市场波动加大，各种不稳定不确定因素增多。随着各项稳增长政策落地显效以及疫情防控措施不断优化，我国经济将继续呈现回稳向好态势，有利于外汇储备规模保持总体稳定。