基于时间序列的汇率预测研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于时间序列的汇率预测研究

【摘要】本文采用2002年01月至2011年05月的人民币兑美元汇率月平均值,建立了ARIMA(3,1,4)和GARCH(2,1)模型,利用这两个模型分别对2011年6月到2011年10月人民币汇率进行预测和评价.实证结果表明,ARIMA (3,1,4)模型预测结果较好。

【关键词】人民币汇率ARIMA模型GARCH模型预测

一、引言

自美国金融危机爆发以来,人民币汇率的走势已成为人们关注的焦点之一。尤其是近年来中美贸易失衡加剧,美国政府将其对中巨额贸易赤字的根源归咎于人民币币值的低估,并将人民币兑美元汇率视为影响中美双方经贸关系的焦点问题。因此,正确预测人民币兑美元汇率具有重要的现实意义。

汇率预测的研究很多,现在国内的主要研究有:ARIMA模型,GARCH模型,GARCH_M模型,PPP模型,神经网络模型,V AR模型及多元回归模型.戴晓枫和肖庆宪(2003)利用ARIMA模型和EGARCH模型并进行预测和评价人民币汇率;惠晓峰,柳鸿生,胡伟等(2003)应用基于时间序列GARCH模型的人民币汇率预测;闫海峰,谢莉莉(2009)基于GARCH-M模型的人民币汇率预测;许少强,李亚敏(2007)则利用参考“一篮子”货币的人民币汇率预测—基于ARMA模型的实证方法等等。

本文通过运用时间序列模型和模型的理论与方法,利用人民币兑美元的历史数据预测未来汇率水平.最后,对模型的预测结果进行误差分析,从而选择出预测效果较好的模型。

二、实证分析

(一)数据的选择。

本文的研究选取的数据是2002年1月至2011年10月美元兑换人民币的月平均数据,根据实证研究需要,将样本数据分割为样本内研究区间(2002年1月至2011年5月)与样本外预测区间(2011年5月至2011年10月)两部分,样本内期间的数据用来估计预测模型的参数

(二)单位根检验。

建立模型前,首先要对序列进行平稳性检验.Granger和Newbold通过模分析发现非平稳时间序列会造成“伪回归”现象,即使变量间不相关,回归仍能产生很好的统计结果(较高的统计值和决定系数).因此,对时间序列进行回归分析之前,要先进行单位根检验来判别序列的平稳性,因为只有平稳的时间序列数据

四、结论

建立预测模型要保证时间序列是平稳的.所以建模之前要先进行单位根检验,以平稳的时间序列建立预测模型.基于以上两个模型对人民币汇率的预测,为使预测结果较好,应采取模型预测.根据拟合趋势,未来人民币汇率的升值压力还会进一步加大,建议应采取的措施:

1.制定合理的汇率制度;

2.调控国内外宏观经济和金融环境.

参考文献:

[1]戴晓枫,肖庆宪.时间序列分析方法及人民币汇率预测的应用研究[J].上海理工大学学报,2005,200093.

[2]惠晓峰,柳鸿生,胡伟等.基于时间序列GARCH模型的人民币汇率预测[J].金融研究,2003,275(5).

[3] 闫海峰,谢莉莉.基于GARCH-M模型的人民币汇率预测[J].南京财经大学金融学院,2009,210046.

相关文档
最新文档