人民币汇率预测模型与实证研究

人民币汇率预测模型与实证研究

论文摘要

如何正确的分析和预测汇率的未来走势已经成为经济学家研究的重点,成功的预测汇率走势对政府制定相应的货币政策,规避外汇风险起着关重要的作用.因此,本文对人民币汇率的预测展开研究.希望能找到合适的模型来预测人民币汇率的走势.自2005年7月21日起,我国开始进行汇率体制改革,放弃盯住美元的固定汇率制度,实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度.我们可以将汇改之后的人民币的汇率走势可以分为三个阶段.第一阶段,汇改起至金融危机爆发.第二阶段,金融危机爆发至2010年6月19日.由于金融危机的爆发,中国开始重新实行了汇率管制,人民币汇率长期稳定在一个相对固定的水平.实行这样的政策是由于国外经济环境极不稳定,为了防止国外的冲击传导到中国,也为了给国内的企业一个稳定的经营环境.因此暂时放慢了汇率改革的进程,对汇率实行管制.第三阶段,2010年6月20日至今.在金融危机稍微稳定后,中国衡量国内外经济形势,为了解决经济内外失衡的问题,重新启动人民币汇率改革进程,人民币不断升值.随着时间的推进,人民币汇率上升速度越来越快,波动也越来越大.中国经济和企业面临着越来越大的压力.由于时间序列模型要求数据保持一致性,即其内在生成机制是一致的,所以2005年到2010年的人民币汇率数据并不能完全采用.特别是,其中第二阶段当中,人民币汇率受到管制,基本不发生变化.对这个阶段的数据进行研究没有太多意义.因此,本文的研究的选取了离现在最近的第三阶段,区间是2010年6月20日至2010年12月31日美元兑换人民币的目数据,一共195个样本点.由于汇率是国际金融领域重要的政策工具之一,起到调节国民经济内外杠杆的作用,也是维系我国与其他国家货币兑换的纽带与桥梁.因此,人民币汇率一直是国内外学者们关注的热点问题.随着各种计算方法诞生和各种软件的开发,学者们对人民币汇率问题的预测成果广泛,预测的准确度不断的提高.关于预测的研究方法大致有三种:一是基础因素预测法,二是时间序列分析法,三是数据挖掘法.本文主要运用三种时间序列模型对人民币汇率进行短期的预测.并评价各种模型在预测时的效果,评价各个模型的优点与不足之处.由于人民币汇率序列是非平稳序列,需要一阶差分之后才能进入时间序列模型.因此我们首先选择ARIMA模型对其进行建模预测.在考虑到金融高频序列中经常出现的异方差情况,在ARIMA (1,1,1)的基础上,我们进行ARIMA-GARCH(1,1)模型的建模来对人民币汇率进行短期的预测,发现ARIMA-GARCH模型相对于ARIMA模型预测平均绝对误差减少了14%,预测标准差降低了12%.在此基础上,我考虑到人民币汇率改革以来,虽然汇率的波动加大,但基本上是处于一个升值的过程当中,因此肯定存在着非对称性,即人民币汇率的涨跌对其序列的影响是不一致的.因此我们建立一个门限自回归模型(TAR)以捕捉人民币汇率时间序列的非对称性,以提高预测的准确率.结果表明,门限自回归模型能大幅度的降低预测的平均绝对偏差与标准差.TAR模型相对于ARIMA-GARCH模型,预测平均绝对误差减少了41%,预测标准差降低了32%.因此在三个模型当中,TAR模型的预测能力最强,ARIMA-GARCH模型次之,ARIMA模型的预测能力最弱.TAR模型之所以预测效果较好,在于其充分考虑了人民币汇率在升值过程中的非对称性.本文的主要工作是运用多个模型预测人民币汇率,并比较了各个模型在预测人民币汇率时的优劣,同时充分考虑到人民币汇率基本上是处于上升过程中,具有非对称性,使用了门限自回归模型(TAR),大大的提高的预测的准确度与稳定性.本文所有模型的估计均在SAS系统里实现,所有编程代码均在附录中给出.

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • §1.1 研究背景与意义
  • §1.1.1 研究的背景
  • §1.1.2 研究的意义
  • §1.2 研究方法
  • §1.3 研究内容与主要工作
  • 第二章 理论与文献回顾
  • 第三章 时间序列分析的基本模型
  • §3.1 平稳时间序列的概念及其检验
  • §3.1.1 平稳时间序列的概念
  • §3.1.2 非平稳序列的单位根检验
  • §3.2 ARMA模型和ARIMA模型
  • §3.3 ARCH模型和GARCH模型
  • §3.4 TRA门限自回归
  • 第四章 人民币汇率预测的模型
  • §4.1 数据选取与平稳性检验
  • §4.2 运用ARIMA模型对人民币汇率进行预测
  • §4.3 运用GARCH模型对人民币汇率进行预测
  • §4.4 运用TAR模型对人民币汇率进行预测
  • 第五章 结论
  • 参考文献
  • 附录
  • 附录A:ARIMA模型SAS程序代码
  • 附录B:ARIMA-GARCH(1,1)模型SAS程序代码
  • 附录C:TAR模型SAS程序代码
  • 附录D:美元兑换人民币日汇率
  • 攻读硕士期间完成的论文
  • 致谢
  • 相关论文文献

    • [1].基于ARIMA模型的卫星钟差异常值探测的模型选择方法[J]. 武汉大学学报(信息科学版) 2020(02)
    • [2].基于ARIMA模型的西安市空气质量指数的分析与预测[J]. 电脑知识与技术 2019(35)
    • [3].基于ARIMA模型对四川省医疗机构卫生资源需求预测分析[J]. 预防医学情报杂志 2020(02)
    • [4].应用ARIMA模型预测石家庄市手足口病发病趋势[J]. 中国卫生统计 2020(01)
    • [5].Forecasting Method of Stock Market Volatility in Time Series Data Based on Mixed Model of ARIMA and XGBoost[J]. 中国通信 2020(03)
    • [6].ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用[J]. 中国医院统计 2020(02)
    • [7].基于ARIMA的入境旅游月度过夜人次预测[J]. 微型电脑应用 2020(04)
    • [8].ARIMA模型在江西省布鲁氏菌病发病数预测中的应用[J]. 中国人兽共患病学报 2020(03)
    • [9].ARIMA模型在德国小蠊密度季节消长预测中应用及抗药性[J]. 中国公共卫生 2020(03)
    • [10].Short-term Prediction of Ionospheric TEC Based on ARIMA Model[J]. Journal of Geodesy and Geoinformation Science 2019(01)
    • [11].Analysis of temporal trends of human brucellosis between 2013 and 2018 in Yazd Province, Iran to predict future trends in incidence: A time-series study using ARIMA model[J]. Asian Pacific Journal of Tropical Medicine 2020(06)
    • [12].ARIMA模型在台山地区手足口病疫情的预测作用[J]. 齐齐哈尔医学院学报 2020(07)
    • [13].我国出境旅游人次的预测与分析——基于ARIMA模型[J]. 科技经济导刊 2020(20)
    • [14].基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究[J]. 中国现代手术学杂志 2020(03)
    • [15].基于ARIMA模型的轴向柱塞泵回油量预测研究[J]. 内燃机与配件 2020(21)
    • [16].基于ARIMA乘积季节模型预测医院感染患病率趋势和季节性[J]. 安徽预防医学杂志 2020(05)
    • [17].一种基于ARIMA-SVR混合方法的汇率预测模型[J]. 智库时代 2019(01)
    • [18].季节ARIMA模型在保费总收入预测中的应用[J]. 福建金融管理干部学院学报 2018(04)
    • [19].基于ARIMA模型的游客人数分析与预测[J]. 电脑与电信 2019(Z1)
    • [20].基于南昌市新建区居民伤害死亡趋势的ARIMA模型构建与预测[J]. 南昌大学学报(医学版) 2019(01)
    • [21].基于ARIMA模型的图书馆微信公众号用户量预测[J]. 中国科技信息 2019(13)
    • [22].基于ARIMA预测模型的人才市场需求分析[J]. 商讯 2019(11)
    • [23].ARIMA模型在血液供应量预测分析中的应用[J]. 电脑知识与技术 2019(22)
    • [24].基于ARIMA模型的郑州市玉米收购价分析及预测[J]. 现代商业 2019(28)
    • [25].基于ARIMA模型的新疆阿克苏地区棉花价格分析与预警[J]. 农村经济与科技 2019(19)
    • [26].基于ARIMA模型对网络舆情传播过程研究[J]. 广西质量监督导报 2019(11)
    • [27].基于ARIMA-BPNN的组合模型在重庆市艾滋病发现人数预测中的应用[J]. 预防医学情报杂志 2018(03)
    • [28].应用ARIMA模型预测某三级甲等医院门诊量[J]. 中国医院统计 2018(01)
    • [29].基于ARIMA的价格时间序列分析与预测——以沪铝1803合约为例[J]. 经贸实践 2018(10)
    • [30].ARIMA模型在肺结核登记病例数预测中的应用[J]. 江苏预防医学 2018(03)

    标签:;  ;  ;  

    人民币汇率预测模型与实证研究
    下载Doc文档

    猜你喜欢