黄巧玲[1]2006年在《基于相空间重构与卡尔曼滤波计算组合的汇率时间序列预测》文中研究说明汇率在宏观经济政策、商业经营和个人决策制定上的作用越来越重要,这种重要性使汇率预测成为了国内外学者研究的热点。然而,汇率系统是一个复杂的系统。自从1973年布雷森林体系解体以来,汇率波动的频繁性和不稳定性与日俱增。汇率预测也变的更加困难,传统的汇率决定理论如购买力平价说、汇率决定的国际收支说、资产市场分析法等基于线性模型的基础上建立发展起来的线性方法,不能很好的解释汇率的变化规律。然而,非线性研究的发展将汇率预测研究推向了一个新的阶段。神经网络、分形、混沌理论及非线性组合模型方法被广泛的用于汇率预测研究中。神经网络模型是非线性系统研究的热门工具,具有良好的非线性逼近能力,但由于神经网络模型的结构较复杂,是在学习输入输出样本的基础上获得的,缺乏可靠的数学表达形式及全局逼近的问题求解方式,使其具有收敛速度慢、准确率不高的缺陷。收敛速度慢的不足,导致神经网络不能很好的应用于超短期汇率的在线跟踪预测。为此,本文采用相空间重构与卡尔曼(Kalman)滤波计算组合的方法来进行短期及超短期汇率预测。目的是建立一种更适合超短期的汇率预测模型,力求在准确率及速度上均优于以神经网络为主的预测模型。数据样本选择的是2003年1月1日至2003年5月16日的欧元对美元日收盘价﹑2003年1月1日至2004年1月1日欧元对美元周平均收盘价和2006年5月26日13:55至23:58的1066条美元港币即时卖出价三组数据。作为比较,本文实现了遗传(GA)神经网络汇率预测模型及BP神经网络预测模型,并对这三组汇率数据进行了仿真预测。然后,将本文提出的基于相空间重构与卡尔曼(Kalman)滤波计算组合的模型和BP神经网络模型及GA神经网络模型进行了对比研究。实践表明,基于相空间重构与卡尔曼滤波计算组合的汇率预测模型,在预测准确率及速度上均优于神经网络预测模型;速度上更能满足在线预测的实时性要求。此外,本文采用.NET开发平台﹑C#.NET和MATLAB设计并实现了汇率信息服务与预测系统,为用户提供了丰富的汇率信息服务和汇率预测,具有很好的实践意义。
姚翯屏[2]2000年在《汇率决定预测模型及其应用》文中进行了进一步梳理外汇汇率作为一宏观经济变量，它不仅受国民经济状况、通货膨胀、利率及经济政策等重要经济因素影响，而且其自身的变动对一国经济也有着多方面的影响，如贸易收支、国际资本的进出、物价变动、国民收入及其再分配、民族工业的发展、劳动生产率及经济结构等，且这种影响既可能是积极的也可能是消极的。研究汇率的中心任务，即要阐明汇率在实际经济生活中的行为及这种行为的经济影响。从东南亚的金融风暴中可以看到，一国汇率的变化意味着该国货币价值的变化，当其大幅度变化时，对经济和社会生活造成的影响是巨大的，有时甚至是恐慌性的。因而为了保证国家的经济稳定健康发展，应该强调研究汇率的这一中心任务的重要的意义。然而，任何事物的实现往往都有它的前提条件，研究汇率的中心任务也不例外。为阐明汇率在实际经济生活中的行为及其行为影响，必须先明确一个重要的前提是，必须对汇率追根溯本，发掘支配汇率行为的经济机制以及汇率和其它经济变量之间的关系，探求决定和影响汇率的主要因素，并寻求汇率决定和对汇率进行预测的模型。惟其如此，我们才能掌握汇率变化、波动的动力与规律，从而结合汇率对其它经济变量的作用机制，估计出由于汇率变动给经济带来的冲击，主动地预防或解决相关问题，以尽量减少因汇率变化带来的负面影响。 本文的出发点就在于通过分析影响我国汇率波动的因素，探索描述我国汇率决定的模型，并在此基础上讨论人民币汇率短期预测的可行性及可行方案，并最终将所得的结论运用到现实中。 本文的内容安排如下： 第一章是关于汇率决定理论及其模型的探讨。从国内外对汇率波动的观察来看，汇率的决定受众多因素的影响，涉及能影响商品劳务和金融资产以及国内经济金融和社会心理预期的多个方面。倘若在众多的影响因素中，能够选择作用力最大的因素，并能够对它们与汇率水平之间的量化关系进行分析，发掘它们影响汇率的方向和程度，则可以在此基础上建立起有关汇率决定的模型。遵循该思路，同时结合我国的人民币汇率制度改革的三个阶段，得到如下分析结果：虽然我国的汇率变化与其它国家之间存在很多的相同之处，即要受国民经济发展情况、通货膨胀、利率、经济政策及市场预期这些因素的影响，但由于我国汇率制度所处的具体阶段不同，对汇率水平起决定作用的因素也各不相同。建国后至 1979年，我国经济基本上是封闭型、统收统支的计划经济，人民币汇率是处于由实际上的名存实亡向简单地调节进出口转变的过程。1979年至 1994年外汇体制改革之前这一阶段，汇率政策被作为中央政府改善国际收支状况的主要政策选择，这使得其间人民币汇率制定的主要依据是出口换汇成本。通过各年度对人民币汇率与出口换汇成本两者间的协整关系检验，也证明了两者在此期间确实存在着长期稳定关系。但由于该阶段汇率变化受计划经济模式下政府直接干预作用，造成决定人民币水平的因素较为单一，不具有市场规律性，不宜于用因素分析模型加以模拟。1994年 1月起，我国实行了新的汇率制度，该制度是以市场供求为基础的、单一的、且有管理的浮动汇率制度，它主要取决于政府的干预控制政策及市场供求状况这两种因素的作用。市场作用的发挥使得讨论建立汇率决定模型具有了意义。通过从简单到复杂地逐步分析提出 1994年以来汇率决定的四种模型。其中模型四是前三个模型发展得最终形式，综合了较多的因素是分析得最全面的模型，模型一体现了汇率决定中虽然简单却十分重要的因素，对于建立短期汇率预测模型有意义。 第二章是关于人民币汇率的短期预测模型。在该部分，计量经济学和时间序列方面的知识被用来对我国外汇市场的可预测性和短期人民币汇率模型的建立进行讨论。通过对我国外汇市场与纽约外汇市场的比较可看出，中国的外汇交易市场和国外的外汇市场很不相同。中国外汇市场的外汇交易主要是非投机性交易，是与我国的外贸及外汇体制相适应的本币与外币头寸互换市场，人民币汇率的形成机制尚未完全市场化，这些都意味着中国外汇市场的波动具有某种特殊性。再通过中国外汇市场上美元、日元与人民币汇率中间价与纽约外汇市场上美元对日元、马克的分析比较，可以总结出：中国外汇市场不是 2 一个有效市场，偶然事件对其造成的冲击的影响是长期的。ARCH 模型适用于中国外汇市场的分析，在ARCH模型中人民币汇率收益 率受其自身滞后期的影响，因而具有一定的可预测性。同时由分析得 出，人民币汇率与美元汇率之间虽不存在协整关系，但美元汇率的变 化包含着人民币汇率未来变化的先验信息，存在着由美元汇率到人民 币汇率的短期Granger因果关系。基于以上分析，在该部分的最后， 参考人民币汇率决定的简化形式提出人民币汇率的短期预
张文君[3]2007年在《基于神经网络的人民币/美元汇率预测与风险规避》文中研究说明近年来,由于我国经济高速增长、出口不断增加等原因,人民币遭受了空前的升值压力。2005年,国家对人民币汇率形成机制做出重大改革。7月21日,美元对人民币交易价格当即调整为1美元兑8.11元人民币,升值2%,并将每日汇率波动幅度扩大到3%。至今,人民币汇率一直呈现上升趋势,从8.11一路升至7.73。人民币汇率的预期走势已经成为全世界关注的热点问题,对各国的政治、金融、贸易、生活等各方面都产生巨大的影响。同时,人民币汇率的不断波动对我国从事国际业务往来的企业所带来的风险也随之增加。因此,如何科学预测人民币汇率走势,并以此为参考采取相应的风险规避措施已经成为了全球的焦点。本文以经典的购买力平价理论为基础,根据汇率与宏观经济变量的非线性关系,以人工神经网络模型为主要工具,对人民币短期汇率进行预测,并通过与常用的随机游走模型的比较展示神经网络模型预测的优势;并根据我国汇率制度的具体情况讨论几种主要的汇率风险规避措施。本文的结构如下:第一章简要介绍几种主要的汇率决定理论;第二章概括汇率预测的主要内容和方法;第三章简要阐述人工神经网络模型的理论依据、可行性及存在的问题;第四章以购买力平价理论为基础,对我国近5年来的人民币汇率月度数据建模;第五章讨论了人民币汇率波动风险的主要规避方法。
杨洋[4]2018年在《基于混频数据的人民币汇率预测研究》文中认为汇率是国际金融领域的重要课题,人民币汇率的研究一直都是国内外各界人士研究的热点。人民币汇率的预测对于监管层来说,具有调控市场预期防范金融风险的作用,对于企业和个人具有优化投资组合策略,规避市场风险的作用。本文首先对人民币汇率的宏微观影响因素、人民币汇率价格的预测方法、人民币汇率波动率研究进行详细梳理,在Ghysels等(2004)提出的混频数据抽样模型的基础上,对我国汇率市场预测做进一步的应用研究。主要工作和结论有:在汇率的高频(日度)预测方面,使用混频数据抽样模型(Mixed Data Sampling,MIDAS)直接对高频数据(不同频率的分钟数据)的混频数据进行建模,更全面的使用了我国汇率市场高频数据信息,研究结果表明:Beta Non-Zero-MIDAS模型预测效果明显优于汇率预期期限结构模型、ARIMA模型、GARCH模型,但与SVM模型相比预测效果无显著差异,由此证明了混频数据抽样模型相对于传统模型的优越性。对于汇率的低频(月度)预测,本文使用多元混频数据抽样模型(M-MIDAS)对人民币汇率价格进行预测,分析了外汇储备、贸易条件、非贸易品与贸易品的价格比、美联储基准利率和高频金融变量对汇率价格不同程度的影响,并将M-MIDAS模型预测精度与同频的理论模型和传统建模方法(ARIMA,BEER,ARDL)进行比较,得出预测效果显著改善,这进一步丰富了我国汇率预测方面的研究。在研究人民币汇率波动率方面,通过构建GARCH-MIDAS模型分析了我国宏观经济景气和经济政策不确定性对于人民币汇率波动的影响,并对汇率波动率进行了预测,得出混频波动率模型在我国的汇率市场上具有较好的适用性,同时能够监测宏观经济因素对汇率波动的长期成分的影响。本文通过混频数据抽样的研究模式,进一步加深对于汇率价格走势及波动行为的理解,这对监管当局把握汇率变化趋势及汇率波动的特征都是有利的。
刘薇[5]2017年在《基于混沌的神经网络与分形插值的汇率组合预测研究》文中研究指明汇率的有效预测不但能够影响本国与别国的经济与贸易,同时能够防范国际性金融危机的发生或减少所造成的损失。传统的研究方法和模型,不能够充分的解释汇率波动这样的复杂非线性系统,混沌在非线性研究中占有重要地位,本文试图利用混沌理论对汇率行为进行研究,充分挖掘混沌对复杂非线性系统的解释与预测能力,以期达到提高汇率预测精度的目的,以此来指导国家宏微观各主体的经济活动和行为。本文以混沌理论为基础,同时将神经网络和分形插值法应用于汇率时间序列的研究与预测中。根据货币的活跃程度不同选取三个具有代表性的货币对,美元兑人民币、英镑兑人民币、加元兑人民币。首先,借助于图示法和指标法对其进行统计性描述,并进行非线性特征分析。然后,利用C-C算法求得三个汇率时间序列的时间延迟、嵌入维数以此来重构相空间,在此基础之上,利用wolf算法和G-P算法分别求出最大Lyapunov指数和分形维数,对汇率的混沌特性进行验证。在确定汇率系统的混沌性之后,根据汇率的混沌特征来分别建立神经网络和分形插值预测模型。神经网络的构建是将混沌系统重构相空间的最佳嵌入维作为输入层的神经元数,并将重构相空间中的时序向量作为神经元的输入量;分形插值模型中的垂直比例因子则根据分形维数计算求得。最后,在分别利用两个模型进行预测的基础上,根据较大误差在组合预测模型中占比较小的原则进行动态组合预测的实证研究。本文通过对三个人民币汇率的统计性描述得出,汇率时间序列不服从正态分布,具有非线性特征。同时,求得的三个最大Lyapunov指数都为正数,而分形维数都为较小的分数,这表明三个汇率序列都为对初始条件都具有敏感性的低维混沌系统。以混沌理论为基础的汇率组合预测模型在有效利用混沌对复杂系统解释能力的同时,能将神经网络的非线性逼近能力以及分形插值对不光滑曲线的拟合能力结合应用。预测结果表明,组合预测模型能够保留单个预测模型的优势的同时降低单个模型的缺点在预测中的影响,预测精度得到有效提高。
欧阳亮[6]2008年在《基于小波分析与神经网络的汇率组合预测研究》文中认为汇率是一个国家的货币折算成另一个国家的货币的比率,对引进外资、银行国际业务、国际储备资产管理、国际贸易及其风险管理、汇率制订和调整都有着十分重要的影响。自2005年7月21日人民币汇率改革以来,中国政府放松了对汇率的管制,人民币汇率的变动越来越剧烈,体现出从未有过的波动性和变化幅度。深入研究汇率行为,揭示其内在的运行规律,提高人民币汇率预测的精度,具有重要的意义。本文首先对汇率预测方法和模型的发展进行了较全面的回顾,详细评价了神经网络技术、数据除噪技术尤其是小波分析方法在金融领域,特别是在汇率预测领域的应用。考虑到汇率数据的非线性以及噪音污染性,以及神经网络和小波分析分别在非线性预测和除噪领域的优势,本文提出了一个基于小波分析和神经网络的汇率预测组合方法(WDANN)。该方法主要包括两个部分内容:一是用小波分析对汇率数据进行分解和重构,以消除数据中的噪音成分;二是用除噪后的数据训练神经网络,用训练好的神经网络进行汇率预测。本文采用人民币兑美元的汇率数据对模型进行了实证分析,检验模型的有效性。结果表明,经过小波除噪后,神经网络的样本外预测效果得到提高。同时,本文还考察了用不同的小波函数、不同的小波分解层数以及不同的小波阈值规则对汇率数据除噪的效果。通过试验比较了使用不同的小波函数、不同的小波分解层数以及不同的小波阈值对汇率数据除噪后神经网络的预测效果,发现当小波函数是coifN小波,分解层数为3层,小波阈值准则为sqtwolog准则时,对汇率数据的除噪效果优于其他的情况。
黄腊梅[7]2009年在《人民币汇率GARCH-GRNN组合预测研究》文中提出随着现代经济和金融全球化的不断推进,国际间资金大量频繁流动,汇率在国内和国际经济中具有越来越重要的地位。近期受金融危机的影响,全球汇率市场剧烈振荡,相应的汇率风险也不断加大。自2005年7月21日中国实施汇率体制改革以来,政府放松了对汇率的管制,汇率波动越来越频繁,波动幅度也越来越大,形成了更富弹性的人民币汇率机制。在此背景下,准确预测汇率对企业等微观主体规避外汇风险、中央银行加强金融监管和政府制定有效的汇率政策都具有至关重要的意义。本文首先对汇率决定理论与预测技术的发展进行较全面的回顾,并详细阐述广义自回归条件异方差模型以及人工神经网络技术在汇率预测领域的应用;其次,在对国内外最新的汇率组合预测方法进行总结与评价的基础上,对线性组合模型和非线性组合模型的优势和不足进行比较分析,并探讨汇率组合预测的发展趋势,发现运用人工智能技术,如人工神经网络、遗传算法、小波分析、支持向量机等进行非线性组合是今后的发展方向;最后,提出一个基于广义自回归条件异方差模型和广义回归神经网络技术的汇率组合预测方法。本文采用人民币兑美元和人民币兑欧元的汇率数据对组合模型进行实证研究来检验模型的有效性,结果表明该组合模型确实能提高汇率预测的精度,且广义回归神经网络比误差反向传播神经网络预测效果更好。
彭彪[8]2008年在《基于神经网络的汇率预测方法研究》文中研究表明随着现代科学技术爆炸式的发展以及应用和生产社会化和国际化程度的大幅度提高,世界经济一体化成为当代社会发展的一个基本特征。与之相伴的金融的国际化是七八十年代以来引入注目的最新发展,金融滲透的深刻性和广泛性比以往任何时候都更为突出。而汇率作为国际金融关系乃至经济关系正常发展的重要纽带,已几乎滲透到经济生活的一切领域,并发挥着日益重要的作用。我国自加入WTO后,金融开放程度不断加大,相应的汇率风险也不断加大,特别是目前,我国体制改革以后,汇率波动带来的风险要大大超过以往,因此,正确分析与预测汇价及其波动对于金融政策与投资决策的制定无疑有着至关重要的意义。文章首先重点研究了人工神经网络以及BP算法,之后详细分析了各种常用的单项预测方法和几种线性组合预测方法,在众多的单项预测方法中选出了两种更适合于汇率预测的单项预测方法进行非线性的组合预测,结合人工神经网络技术,建立了基于神经网络的汇率非线性组合预测模型,并将该模型运用于现实的汇率预测之中,预测结果表明该方法更优于单项预测方法和线性组合预测方法,能够有效地进行汇率预测。
毛舟[9]2015年在《基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率预测研究》文中研究说明2005年7月21日,人民币决定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。同时,随着国际间经济与金融活动的相互渗透及影响,各国金融市场之间的相互依存程度也逐步增强,汇率作为核心变量,调整并影响着各国的宏观和微观经济。自2001年加入WTO,中国经济在国际社会的地位日益凸显,作为联系国内外经济桥梁的人民币汇率也因此成为人们关注的焦点。研究人民币汇率的预测问题,做到理论与实证相结合,不仅具有重要的理论意义,而且还能够为政府管理部门制定相应外汇政策提供新的视角。本文首先回顾总结人民币汇率时间序列的预测方法和模型,并对汇率决定理论和非线性特征检验方法加以讨论;然后通过分析人民币汇率的长记忆性与非线性特征选择构建ARFIMA模型、SVM模型以及BPNN模型,并通过非线性函数将单一模型进行组合构建ARFIMA-SVM-BPNN非线性组合模型;最后选择人民币兑美元汇率(RMB/USD)和人民币兑欧元汇率(RMB/EUR)时间序列为样本,分别使用BDS模型和DFA模型对其展开非线性特征及长记忆性特征的检验及分析,并通过上述非线性组合模型对人民币汇率进行预测,提出相应政策建议。研究结果表明,通过非线性检验及长记忆性检验,发现人民币汇率收益率序列都存在非线性特征,并且人民币兑美元汇率收益率存在较强的长记忆性,人民币兑欧元汇率收益率的长记忆性较弱。在非线性组合模型构建及应用方面,基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率的预测效果均优于单一预测模型。
罗士勋[10]2005年在《人民币汇率预测和风险管理研究》文中研究说明本文针对汇率问题的复杂性,根据汇率与宏观经济变量的非线性关系和汇率数据自身的非线性特征,以神经网络技术为主要工具,研究了人民币汇率基于购买力平价理论的预测和时间序列预测问题,并建立了一个基于神经网络的人民币汇率风险管理的VaR 模型。本文应用神经网络考察汇率与物价指数之间的非线性关系。在应用协整技术检验发现购买力平价理论对人民币汇率不成立的情况下,论文建立了一种基于神经网络的非线性协整检验方法,对汇率与物价指数进行了非线性协整检验。并在此基础上建立了预测模型。论文在分析人民币汇率收益序列长记忆性的基础上,建立了神经网络预测模型。引入方向准确率作为预测模型的一个评价指标,对模型的预测结果进行了统计检验。并考察了计量经济模型的选择标准中的信息准则法,在建立神经网络预测模型过程中的作用。论文根据神经网络技术中的混合密度网络能够预测数据之间的条件概率密度函数这一特点,对外汇资产组合收益的条件密度函数进行了预测,并在预测的基础上建立了一个VaR 模型。论文比较系统地分析了人民币汇率的特征,考察了应用神经网络技术进行汇率预测的建模过程和模型选择技术,讨论了对人民币汇率进行有效预测和风险管理的可行性。这些工作,将有助于拓宽对人民币汇率问题的研究思路,为解决人民币汇率预测和风险管理问题提供了一些可供选择的方法。
参考文献：
[1]. 基于相空间重构与卡尔曼滤波计算组合的汇率时间序列预测[D]. 黄巧玲. 华侨大学. 2006
[2]. 汇率决定预测模型及其应用[D]. 姚翯屏. 西南财经大学. 2000
[3]. 基于神经网络的人民币/美元汇率预测与风险规避[D]. 张文君. 厦门大学. 2007
[4]. 基于混频数据的人民币汇率预测研究[D]. 杨洋. 北方工业大学. 2018
[5]. 基于混沌的神经网络与分形插值的汇率组合预测研究[D]. 刘薇. 华北电力大学. 2017
[6]. 基于小波分析与神经网络的汇率组合预测研究[D]. 欧阳亮. 湖南大学. 2008
[7]. 人民币汇率GARCH-GRNN组合预测研究[D]. 黄腊梅. 湖南大学. 2009
[8]. 基于神经网络的汇率预测方法研究[D]. 彭彪. 南京信息工程大学. 2008
[9]. 基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率预测研究[D]. 毛舟. 湖南大学. 2015
[10]. 人民币汇率预测和风险管理研究[D]. 罗士勋. 吉林大学. 2005
标签：宏观经济管理与可持续发展论文; 金融论文; 汇率论文; 预测模型论文; 汇率决定理论论文; 美元对人民币汇率论文; 汇率变动论文; 神经网络模型论文; 人民币汇率改革论文; 人民币汇率中间价论文; 经济模型论文; 线性系统论文; 外汇论文; 非线性论文; 经济学论文;