汇率砸下来,砸疼谁?要看对面站着谁
本文读的是 Williamson (2001, Journal of Financial Economics):作者把汇率敞口 (exchange rate exposure) 放进一个具体行业——美日汽车业——来测量,发现敞口不仅显著,而且随时间变化;而这种变化的根子,是行业竞争结构在变。一句话,汇率冲击有多疼,取决于你对面站着谁、你的车和他的车有多像。
1 一个憋了二十年的尴尬
先说一件让金融学界有点下不来台的事。
理论上,这件事本该再清楚不过:一家做出口生意的跨国公司,收入用外币计、成本用本币计,那么外币一贬值,它换回家的现金流就该缩水,公司价值就该跟着掉。这就是所谓的汇率敞口 (exchange rate exposure)。1973 年布雷顿森林体系崩溃之后,汇率——无论是名义的还是实际的——一路剧烈起伏,按理说,应该能在公司股价上留下一道道清晰的指纹。
可问题来了。一批又一批的实证研究去股价里找这道指纹,找到的却是若有若无。要么系数不显著,要么显著的公司寥寥无几,要么这家公司是正、那家公司是负,乱成一团。Jorion (1990) 看了 287 家美国跨国公司,Amihud (1994) 看了 32 家大出口商——结论一个比一个含糊。于是一个让人坐立不安的问题浮出水面:
到底是「偏离购买力平价」这件事,对全球竞争者根本就不重要?还是说,我们手里的尺子量错了?
这篇论文,就是冲着「尺子量错了」这个方向去的。而它给出的答案,比「换一把尺子」要深刻得多——它说,你之所以量不准,是因为你漏掉了一个人:竞争对手。
2 为什么以前量不准:被「贸易加权」抹平的冲击
先看看以前的尺子错在哪。
过去的研究有一个几乎统一的做法:用贸易加权汇率 (trade-weighted exchange rate)——也就是把一篮子货币加权平均成一个指数——去回归公司收益。听上去很合理,毕竟一家跨国公司做的是全球生意,对单一货币的敞口似乎不如对「一篮子货币」的敞口有意义。
但这恰恰是问题所在。作者指出,这种加总会把单个汇率冲击的效果互相抵消、磨平。想象一下:日元升值对一家美国车企是利好(日本对手变贵了),同时德国马克升值可能是利空(欧洲业务换算受损)。当你把日元、马克、英镑全揉进一个指数里,一正一负,净效果就被稀释成了一团模糊的噪声。理论的预测本来是针对具体货币的(currency-specific),你却用一个混合指数去检验它,自然南辕北辙。
这是全文第一个关键的方法论选择:不要贸易加权指数,要单一货币。美国车企对日元的敞口、对马克的敞口,要分开来测,因为它们背后站着的是不同的对手、讲的是不同的故事。
接着,一个更自然的问题是:既然要看单一货币、看具体对手,那为什么不干脆把研究收缩到一个行业里去?
3 为什么选汽车业:一间天造地设的实验室
作者挑了汽车业,这个选择本身就是论文的一半功力。
为什么是汽车?因为它几乎是为这个理论量身定制的实验室。第一,它出口比重高、国际竞争激烈,零部件进口和成品出口都高度依赖海外,对汇率天然敏感。第二,也是更妙的一点——汽车业在样本期内经历了一场清晰的产业演化:从北美的「国别竞争」,到美日车企互相出口的「国际竞争」,再到大家满世界设厂的「全球竞争」。这正好给「敞口会随竞争结构而变」这个命题,提供了一段天然的时间轴。
样本的选取也透着讲究。作者只留下美国和日本的车企,因为这两国车企控制了全球汽车业绝大部分可竞争现金流 (contestable cash flows)——也就是那些没有显著外资进入壁垒的现金流。法国、意大利、瑞典的车企?要么有政府保护、要么干脆国有,股票没有全程公开交易,剔除。德国车企?因为在样本期大部分时间里没有面临实质性竞争,也剔除。
留意这个剔除逻辑:它不是为了让样本「干净好看」,而是直接服务于核心命题——只有那些真正在同一个市场里短兵相接的公司,竞争才会真正写进它们的汇率敞口里。
4 识别策略:把「竞争」请进回归方程
现在我们来到论文的骨架。作者想测的,到底是什么?
4.1 从公司价值到利润的导数
一切从公司价值对汇率的敏感度开始。作者把公司价值的变化写成下面这个关系(论文 Eq. 1):
$$ \frac{dV}{dS} = \frac{1-\tau}{\rho}\,\frac{d\pi}{dS} $$
这里 \(V\) 是公司价值,\(S\) 是即期汇率 (spot exchange rate),\(\tau\) 是税率,\(\pi\) 是公司利润,\(\rho\) 是贴现率。作者做了一个明确的假设:贴现率和税率都是常数,利润预期是静态的,即 \(E(\pi)=\pi_t\)。
这个式子虽然简单,意思却很硬:既然税率和贴现率被钉死成常数,那么公司价值对汇率的全部敏感性,就浓缩在「利润对汇率的导数」\(d\pi/dS\) 上。换句话说,研究汇率敞口,本质上就是研究汇率怎么动了公司的利润。
那 \(d\pi/dS\) 又由什么决定?这正是 Marston (1996) 模型登场的地方。
4.2 Marston 模型:垄断者 vs. 古诺竞争者
Marston 的模型告诉我们一件反直觉的事。
设想一个垄断车企,在国内外都有销售、都有成本。Marston 证明,这家垄断者的敞口只由它的净外币收入 (net foreign revenue) 决定,而产品的需求弹性并不重要。为什么?因为垄断者有定价权:本币一贬值,它直接把价格提上去,把成本的上升转嫁给消费者(高 pass-through),于是汇率冲击被它自己消化掉了,敞口小到几乎测不出来。这恰好印证了 Bodnar et al. (1998) 的发现:转嫁能力强的行业,敞口反而低。
但真正有意思的,是面临古诺竞争 (Cournot competition) 的情形。两个国家、两家公司,各自在本国生产一种异质化产品,然后都在两个市场里卖。这时候,本国公司的利润不再只取决于它自己的净外币收入,还取决于它自己产品的价格弹性,以及它与对手之间产品的交叉弹性 (cross elasticities)。产品越是可替代,弹性越高,敞口越大。
直觉是什么?当对面站着一个对手,你就不敢随便涨价了——你一涨价,客户就跑到对手那边去。转嫁能力被对手摁住了,于是汇率冲击只能由你自己的现金流来扛。所以:
古诺竞争者的敞口,必然大于垄断者。这个更大的敞口,一来源于更低的价格转嫁,二来源于它更难对冲——因为你的敞口竟然是「对手的行为」的函数,而对手是你管不着的。
这就把「竞争」从一个抽象概念,变成了敞口大小的直接决定项。也顺手推出了一个可检验的预测:高出口、高可替代性的行业,应该表现出更大的汇率敞口——而汽车业,正是这样的行业。
4.3 落到可估计的方程
理论讲完,怎么落到数据上?作者用了下面这个回归(论文 Eq. 2)。这是全文的实证核心,我们把它逐项拆开:
这里 \(r_{j,t}\) 是国别行业组合或公司 \(j\) 在 \(t\) 期的实际股票收益,\(\Delta S_{kt}\) 是第 \(k\) 国实际汇率的变化率,\(b^e_k\) 衡量的就是该组合对第 \(k\) 国货币的敞口。
有三个细节值得停下来看:
其一,方程里多了一个 \(R_{m,t}\) 市场因子。这一步偏离了经典的 Adler and Dumas (1984),向 Jorion (1990) 靠拢——把大盘波动先剥离掉,剩下的才是「干净的」汇率敏感性。
其二,符号的方向是有预言的。因为汇率是相对本国报价的,本币贬值(外币升值)应当抬高本国出口企业的价值,所以对出口导向型公司,直接敞口的系数预期为负。但在前面讲过的「第三国竞争」「海外设厂」等情形下,系数也可能转正——这恰恰是论文后面那些反转结果的伏笔。
其三,作者用了似乎不相关回归 (seemingly unrelated regression, SUR),也就是 Zellner (1962) 那套方法。为什么?因为即便控制了市场因子,同一国家内部不同公司、不同组合的残差之间,仍可能存在横截面相关。SUR 能把这种相关性吸收进估计,提高效率;而且它还允许你去检验不同组合、不同公司之间系数是否相等——这对后面比较美、日车企敞口差异至关重要。如果残差之间根本没有相关,SUR 就退化成普通最小二乘 (OLS),不亏。
5 数据:一把月度的、实际的尺子
数据这一节,作者的每个选择都在为「测准」服务。
收益、汇率、价格水平,全部来自 Datastream International。实际汇率(而非名义汇率)由各国的月度批发价格指数 (Wholesale Price Index) 平减名义汇率得到——因为只有实际汇率变化(即偏离 PPP 的那部分)才会真正影响公司的实际价值;纯名义的汇率变动若被各国物价同步抵消,对实际价值毫无影响。
为什么用月度收益?因为平减用的价格水平本就是月度观测的,频率必须对齐;而且月度数据还能规避非同步交易 (nonsynchronous trading) 的麻烦。汇率和总收益指数都取在每月 15 日,为的是避开月末各国宏观数据公布带来的端点效应。
样本期是 1973 年 1 月到 1995 年 12 月,跨度 23 年,正好覆盖了汽车业从国别竞争走向全球竞争的全过程。组合用等权 (equally weighted)——因为关心的是「平均」敞口水平,而非被巨头主导的加权敞口。公司的销售与产量数据则来自 Ward's Automotive Yearbook、日本汽车工业协会,以及记录美国车企海外业务沿革的 Notable Corporate Chronologies。
顺带提一个被作者写进 Table 1 Panel A 的隐患:马克兑日元、马克兑美元、日元兑美元这几对实际汇率之间相关性很高(美元基本是同向地对各主要货币波动)。高相关意味着把日元兑美元和马克兑美元一起放进回归时,会有共线性,推高标准误、压低 t 值。这是后面解读系数时要时时记挂的一根刺。
6 主要结果:敞口是真的,而且会「变脸」
现在揭晓那些憋了二十年的指纹,到底有没有显形。
第一,敞口显著存在。 在 1973–1995 的样本里,美日汽车业都表现出统计上显著的汇率敞口。理论预测的「应该有」,这一次终于在数据里「真的有」。
第二,也是最关键的一步——敞口随时间变化,而且变化的节奏与产业结构同步。 美元兑日元的敞口,对美、日双方车企都很强;而把样本切成不同时期后,敞口的大小随之改变。作者的论断很硬气:这是文献里第一次把汇率敞口的变化,明确地与产业结构的演化联系起来。在汇率发生大幅、持续波动的时期,以及行业竞争相对激烈的时期,估计出的敞口都更强。日本车企这一侧的发现,还与 He and Ng (1998) 对日本运输板块的结论一致。
第三,一个漂亮的反转:美国车企竟然从马克贬值中受益。 这听上去不太对——按出口逻辑,外币贬值不该是利空吗?但作者给的解释合情合理:美国车企在欧洲有运营和收入,当马克相对美元贬值时,它们一方面从欧洲业务里获益,另一方面更重要的是——它们的非德国对手在那一刻竞争力受损。这正是前面 Marston 模型里「第三国竞争」那一幕的现实版:汇率一动,对一家是损失,对另一家却是竞争性的红利,敞口的符号由竞争得失决定,而非简单的收入换算。
第四,敞口的来源被定位到了「日本在美销售」。 作者通过考察各车企在美、日、德三国的市场份额,去拆解敞口的成因。结论是:美国车企对日元的敞口、以及日本车企对美元的敞口,主要都来自日本车在美国市场的销售。一个具体的汇率—具体的市场—具体的对手,三者扣在一起,敞口才显形。这印证了那个朴素却屡屡被加总数据淹没的判断:公司的货币敞口,是它在特定市场里出口销售与所遇竞争的函数。
第五,外销提高敞口,海外生产降低敞口。 作者专门拿日本车企,去看「海外销售/总销售」之比与「海外生产」对敞口的影响。结果干净利落:外销越多,敞口越大;而海外生产则是一种有效的经营性对冲 (operational hedging)——把工厂搬到海外市场去,让成本也用当地货币计价,外币一贬值,收入缩水的同时成本也缩水,两边对冲,本币现金流的敏感度自然下降。
把这五点串起来看,论文其实只讲了一个核心故事:汇率冲击的疼痛程度,不是公司一个人的事,而是它和对手「合演」的结果。你卖多少外销决定了敞口的「量」,你对面站着谁、你的车和他的车多像,决定了你能不能把这份疼痛转嫁出去。竞争结构一变,敞口就跟着变脸——这就是为什么过去用静态、加总的尺子,永远量不准它。
(关于「把外汇风险当成一台内部对冲机器来管理」这条线,可参见《对冲,不是一道选择题,而是一台『内部汇率』机器》;关于企业到底用衍生品对冲掉了多少,可参见《公司到底用衍生品对冲了多少风险?》。)
7 文献脉络:从「净外币收入」到「对手的脸」
把这篇论文放回它生长的那条藤上,逻辑就更清楚了。
最早的源头是 Shapiro (1975),他用一个两国模型分析寡头垄断厂商的利润最大化策略,第一次点明:影响跨国公司汇率风险的,是出口比重、它在国内面临的竞争程度,以及本地与进口要素之间的可替代性。这其实已经埋下了「竞争决定敞口」的种子,只是后来很长一段时间被人忽略了。
接着是测量的奠基。Adler and Dumas (1984) 给了「敞口」一个干净的定义——资产价值对实际汇率变化的敏感度,并把它落成一个可回归的形式。Jorion (1990) 顺着这条路,实证了美国跨国公司敞口的横截面与时间变异,并指出海外销售比率是敞口的显著决定因素。
然后是一段集体的困惑。Bodnar and Gentry (1993) 用美、日、加三国的行业数据,发现只有 20–35% 的行业有显著敞口;Bartov and Bodnar (1994) 则诚实地点出问题——同期汇率效应太弱,于是改用滞后收益对季度汇率的响应,才勉强测出更强的效应。He and Ng (1998) 用 171 家日本跨国公司,发现 25% 的公司有经济上显著的敞口,集中在电气机械、精密设备和运输板块。这些研究都在反复确认:敞口确实存在,但用现成的尺子,它总是若隐若现。
真正的转折点是 Marston (1996)。他论证:行业里展开的竞争类型,会影响行业内公司的经济敞口;产业结构一变,经济敞口也该跟着变。这就把 Shapiro 那颗被埋了二十年的种子,重新刨了出来,并给了它一个清晰的理论形态。
而 Williamson (2001),正是站在 Marston 肩膀上的那个实证落地者。它做了三件前人没合起来做的事:用单一货币而非贸易加权指数;钉在一个竞争清晰、结构在演化的行业里;并第一次把敞口的时间变异和产业结构的演化直接绑在一起。一句话,它把「对手的脸」正式请进了汇率敞口的回归方程。
8 评论与延伸(Q&A + 研究方向)
(a) 几个可能的疑问
Q:单一货币、单一行业,是不是把样本搞得太小、太特殊,结论难以外推?
这是「干净识别」与「外部有效性」之间的经典权衡。作者主动选择了前者:汽车业之所以被挑中,恰恰因为它竞争结构清晰、演化路径明确,是检验「竞争决定敞口」这一机制的理想实验室。代价是,结论能否推广到竞争结构模糊的行业,本文给不出直接答案——它证明的是「机制存在」,而非「机制普适」。
Q:既然实际汇率之间高度相关、共线性会推高标准误,那些「显著」的系数还可信吗?
作者自己在 Table 1 里就坦承了这根刺。共线性的方向是保守的——它压低 t 值、让显著性更难得到,所以测出来的显著敞口,若有偏,更可能是被低估而非被夸大。这一点上,结果的「显著」反而更让人放心。但跨货币系数的相对大小仍需谨慎解读。
Q:用股票收益当公司价值的代理,测出来的到底是「真实经营敞口」还是「市场的看法」?
严格说,是后者,但这正是 Eq.(1) 那套框架想要的。作者明确指出,回归测的是净敞口 (net exposure)——是公司做完各种对冲(无论用衍生品还是用经营手段)之后残留的那部分敏感度。所以「海外生产降低敞口」这一发现,本质上是市场看到了经营性对冲、并把它定价进了股价。这恰恰是优点而非缺陷。
Q:敞口随时间变,会不会只是「估计噪声」在不同子样本里的随机起伏,而非真有结构性变化?
这是最值得追问的一点。作者的辩护是「相关性证据」:敞口变强的时点,与汇率大幅持续波动、行业竞争加剧的时点系统性地对得上;日本侧的结果又与 He and Ng (1998) 独立印证。这构成了一条说得通的证据链,但它终究是关联而非因果——论文并没有一个外生冲击把「竞争结构变化」干净地从「汇率波动本身」里剥离出来。
Q:为什么垄断者的敞口反而测不出来?这不反直觉吗?
关键在价格转嫁。垄断者有定价权,本币一贬值就直接涨价,把冲击转嫁给消费者,于是它的现金流几乎不受汇率扰动,敞口小到测不出。Bodnar et al. (1998) 也证实:高转嫁行业,低敞口。真正扛汇率风险的,是那些不敢涨价的竞争者——它们头顶悬着对手这把刀。
Q:为什么剔除德国车企?这会不会是一种「为了结果好看」的样本筛选?
不是。剔除德国车企的理由与核心命题自洽:在样本期大部分时间里,德国车企没有面临实质性竞争。既然论文要测的是「竞争如何写进敞口」,那么把一个长期不在竞争场里的玩家放进来,只会引入噪声、模糊机制。这是出于识别逻辑的剔除,不是出于美化结果的剔除。
(b) 几个可能的研究问题与提案
1. 把「竞争—敞口」机制搬到公司债与信用利差上。
【经济故事】股票敞口测的是「净现金流的方向」,但债权人关心的是「现金流会不会跌破还本付息线」。汇率冲击在竞争激烈、转嫁能力弱的行业里更疼,那么这些行业的公司在本币升值期,信用利差是否会系统性走阔?竞争结构应当同时是股票敞口和信用风险的共同驱动。 【可行性】中。需要 TRACE 级别的公司债成交数据 + 行业层面的进口渗透率/HHI + 实际汇率。识别上可借鉴本文的「具体货币—具体市场」拆解,按行业可替代性分组做异质性检验。难点在于把汇率冲击从一般信用周期里干净剥离。
2. 用外资持有人结构,给「谁在为汇率敞口定价」做一次解剖。
【经济故事】本文测的是市场的整体看法,但市场是由不同投资者构成的。如果一家车企的敞口主要来自「日本车在美销售」,那么持有它的外资机构(尤其是熟悉对手市场的那些)是否比本土投资者更早、更准地把这份敞口定价进去?这能把「敞口被定价」拆成「被谁定价」。 【可行性】中。需要 13F/国际持仓数据 + 公司层面敞口估计。可用外资持股比例的外生变动(如指数纳入、可投资度改革)做识别。挑战在于敞口估计本身有噪声,叠加持仓数据会放大测量误差。
3. 用海外建厂的「准自然实验」,干净识别经营性对冲的效果。
【经济故事】本文发现「海外生产降低敞口」,但建厂决策是内生的——可能正是那些预期敞口要变大的公司才去建厂。如果能找到一批由关税政策、贸易摩擦或东道国补贴外生触发的建厂事件,就能把经营性对冲的因果效应从内生性里抠出来。 【可行性】中偏低。事件清晰但数量稀少,汽车业全球建厂是低频大事件,样本量是硬约束。识别干净但统计功效堪忧,或需扩展到更多制造业行业。
4. 把单一货币的思路推到「供应链货币错配」上。
【经济故事】本文强调收入端的货币,但汽车业的零部件进口同样高度国际化。一家车企真正的敞口,应是收入货币篮子与成本货币篮子之间的错配。当两个篮子越不匹配,敞口越大——这是对 Marston 框架的一个自然延伸。 【可行性】高。如今有了海关层面的进出口微观数据,可以为单个公司构造收入端和成本端的货币篮子。识别上属于横截面解释,难度可控,是一个 doable 的方向。(与此相关的「销售版图决定借钱用哪种货币」的思路,可参见《你的债,说哪国话?》。)
9 我的判断
先说贡献。这篇论文最漂亮的地方,不在于它又测出了一个显著的系数,而在于它重新定义了「测什么」。它告诉你:汇率敞口从来不是一个静态的、公司层面的常数,而是一个随产业竞争结构呼吸的、动态的量。过去二十年实证结果的「弱而不稳」,未必是理论错了,而是大家一直用一把静态、加总的尺子,去量一个动态、具体的东西。把研究收缩到一个竞争结构清晰可辨的行业,再用单一货币去切,这种「以小见大」的方法论自觉,是它真正的传世之处。
再说对识别的担忧。最大的软肋是「时间变异」这一核心发现,靠的是关联证据而非因果识别。作者把「敞口变化」与「竞争结构演化」对到了一起,但并没有一个外生冲击,能把竞争结构的变化从汇率波动本身、从行业基本面的其他变化里干净地剥离出来。换句话说,我们看到了一条说得通的故事线,却还缺一个能一锤定音的实验。其次,实际汇率之间的高共线性,虽然方向上是保守的,但也让跨货币系数的相对解读变得脆弱。
最后说后续想看到什么。我最希望看到的,是把这套「竞争决定敞口」的逻辑,从股票搬到信用市场去——因为债权人对「现金流跌破阈值」的非线性关切,会让竞争结构的作用以一种更尖锐的方式显形。再往前一步,是用今天才有的海关级供应链数据,把敞口重新定义为收入货币与成本货币之间的错配,那将是对 Marston 框架一次真正现代化的实证检验。汽车业这间实验室,二十多年后,或许值得用一把更锋利的尺子再走一遍。
参考文献
- Adler, M., Dumas, B. (1984). Exposure to currency risk: definition and measurement. Financial Management 13, 41–50.
- Amihud, Y. (1994). Exchange rates and the valuation of equity shares. In: Amihud, Y., Levich, R.M. (Eds.), Exchange Rates and Corporate Performance. Irwin, New York.
- Bartov, E., Bodnar, G. (1994). Firm valuation, earnings expectations, and the exchange rate exposure effect. Journal of Finance 49, 1755–1785.
- Bodnar, G., Dumas, B., Marston, R. (1998). Pass-through and exposure. Unpublished Working Paper, University of Pennsylvania.
- Bodnar, G., Gentry, W. (1993). Exchange rate exposure and industry characteristics: evidence from Canada, Japan, and the USA. Journal of International Money and Finance 12, 29–45.
- He, J., Ng, L. (1998). The foreign exchange exposure of Japanese multinational firms. Journal of Finance 53, 733–754.
- Jorion, P. (1990). The exchange rate exposure of U.S. multinationals. Journal of Business 63, 331–345.
- Marston, R.C. (1996). The effects of industry structure on economic exposure. Unpublished Working Paper WP96-3, University of Pennsylvania.
- Shapiro, A.C. (1975). Exchange rate changes, inflation, and the value of the multinational corporation. Journal of Finance 30, 485–502.
- Williamson, R. (2001). Exchange rate exposure and competition: evidence from the automotive industry. Journal of Financial Economics 59, 441–475.
- Zellner, A. (1962). An efficient method of estimating seemingly unrelated regressions and tests of aggregation bias. Journal of the American Statistical Association 57, 348–368.