当前位置:文档之家› 人民币汇率预测——基于GARCH模型的实证研究

人民币汇率预测——基于GARCH模型的实证研究


74 万4《方当数代经据济)2007年第8期(上)
间分成两个部分,用样本的前一段数据估计模型,然后利用 所估计的模型对余下的数据点进行预测。通过实际值与预 测值的对比,评价模型的预测功能,假设预测样本期为t= T+I,…,T+h,一般有七个指标对预测精度进行度量:均方 根误差RMSE;平均绝对误差MAE;平均相对误差MPE; Theil不等系数;偏倚比例;方差比例;协方差比例。
该文首次运用GARCH模型分别比较了上个世纪90年代以后的人民币汇率与日元汇率及1971年1月1日到1973年2月11日的日元汇率波动特点进行了比较 .全文共分为四个部分.第一部分为国内外文献综述,在这部分,作者回顾了GARCH模型的诞生及其在西方的发展运用,同时也概略了该模型在中国的运用现 状.第二部分为人民币汇率及日元汇率的历史回顾.作者在这部分回顾了战后人民币汇率和日元汇率的发展,并对两者的波动特点及环境进行了比较,发现 在上个世纪90年代以前,尽管日本实行浮动汇率制度,但是和中国一样汇率不是政策工具而是政策目标.第三部分是实证部分.在这部分作者详细介绍了该 文所采用的分析方法:单位根、自相关系数及GARCH模型等.作者在第四部分对实证结果进行综述的同时,展望了日元汇率和人民币汇率的未来,提出了日本 银行坏账没有得到彻底有效解决之前,日元汇率将会继续保持贬值状态的观点.该文的创新之处主要体现在以下几个方面,第一:从研究容来讲,在国内很 少有学者对人民币汇率和口元汇率过去和现在的日波动特征进行比较.第二:从研究方法来看,尽管GARCH模型在国外得到广泛运用,但在国内GARCH模型直 到最近几年才盛行,而且很少有运用该模型对汇率特点进行研究.因此该文所采用的方法在国内同类研究中还是一个崭新的手段.
孔=logFX,-logFX,1
其中,%就是所得到的收益序列,FX,为t期的人民币对 美元的汇率中间价。
二、模型的预检验 在模型应用前,对建立的GARCH模型对人民币汇率 预测的可行性进行相应的统计检验分析。
相关性检验。首先根据人民币对美元汇率收益性序列M 的自相关函数(ACF)和偏自相关函数(PACF)进行分析,通过 相应的自相关函数和偏自相关函数图表明在5%的置信水平 下,M存在着明显的自相关性。
参考文献(3条) 1.高铁梅 计量经济分析方法与建模 2006 2.易丹辉 数据分析与Eviews应用 2002 3.Bollerslev Tim Generalized autoregressive conditional heteroskedasticity 1986
相似文献(10条)
1.学位论文 谌卫学 人民币汇率和日元汇率波动特征比较——关于GARCH模型的实证研究 2002
3.期刊论文 刘潭秋.谢赤.LIU Tanqiu.XIE Chi 基于GARCH模型与ANN技术组合的汇率预测 -科学技术与工程
2006,6(23)
对汇率进行准确地预测是一项相当重要,也是十分困难的工作.到目前为止,人们已经提出了各种各样的方法和模型,但预测结果仍不能令人满意.近年 来GARCH模型被广泛地用于对变动频率很高的金融时间序列建模,它能较好地抓住此类时间序列的动态特征.人工神经网络技术则是当前非常流行的一种替 代传统的统计学模型,用来处理数据之间关系的技术,理论上它能以任意精度去逼近任意映射关系.将这二者结合起来对有关日汇率进行预测,获得了较好 的预测表现.
conditional
het—
万方数据
《当代经济))2007年98期(上)745
人民币汇率预测——基于GARCH模型的实证研究
作者: 作者单位: 刊名:
英文刊名: 年,卷(期): 被引用次数:
殷微波, 王峰 武汉大学经济与管理学院,湖北,武汉,430072
当代经济 CONTEMPORARY ECONOMICS 2007,""(15) 3次
Foreca靠∞RATEF
Ad啦f 8DRATE ForecasI sarnSe:3206 4205 hd州ed obsen,ation《1000
RootM∞nSquaredEnor MeanAbsolule E.or Mean4bs Perce rt日rot ThqfIrm4JaltyCo耐icl(nt
2.学位论文 赵璧辉 中国汇率政策对金融稳定关联渠道的影响研究:基于政策变量GARCH模型和压力测试 2009
在过去的三十年中,随着金融危机在全球频繁发生,金融稳定问题开始进入各国中央银行的视野,得到普遍重视。而2007年初至今的次贷危机,更 使得维护金融稳定成为各国政府需要解决的首要问题。
金融稳定的概念和内涵,学术界并没有一个统一的定义。二十世纪九十年代以来发生的几次金融危机使得金融稳定问题受到世界关注。对我国来说 ,汇率作为开放经济条件下与全球经济接轨的纽带,是维护金融稳定的一个十分重要的因素,历史上发生的金融危机,都伴随着汇率的大幅波动。本文 通过对人民币兑美元汇率收益率的数据进行分析,总结出其数据满足三个特征:首先,人民币兑美元汇率收益率的波动率具有非线性特征;其次,机制 转化由外生的政策变化决定;最后,定价机制政策的调整使得汇率波动率缓慢变化,而浮动区间政策的调整使得波动率迅速变化。根据这三个特征,本 文在GARCH模型中引入两个政策变量,来估计政策变化对人民币兑美元汇率的波动率的影响;同时使用平滑转换机制中的logistic函数方法对汇率定价机 制政策调整的虚拟变量进行了平滑处理。最后使用平滑转换政策变量GARCH模型进行实证研究,得到汇率收益率的波动率拟合模型。
【摘要】 自汇率制度改革以来,人民币汇率的走势一直 受世人关注。运用合适的方法对汇率进行预测研究,具有重 要意义。本文首先介绍了广义条件异方差自回归(GAILCH) 模型。随后对人民币/美元的高频数据进行预检验,发现其存 在自相关性和异方差性,之后建立汇率GAtkCH模型,并进 行汇率预测。
【关键词】汇率GARCH模型 汇率预测 自2005年7月21日起,我国进行汇率体制改革,汇率 不再固定不变。人民币汇率的波动对社会经济带来不小的 影响,因此研究汇率改革以来的人民币汇率走势并对其进行 预测有着重要的意义。本文重点介绍了基于GARCH模型 的模型预测。 一、GARCH模型 在经济、金融领域里的许多时间序列均存在条件异方差 现象。En西e(1982)开创性地提出了条件异方差自回归方程 (ARCH)概念,BoUerslev(1986)对其进行了直接扩展形成广 义条件异方差自回归(GARCH)模型。本文主要采用的是 GARCH(P,q)方法中最简单并且又最常用的GAR.CH (1,1)模型。其基本模型数学表达式如下:
日IasP ropodion Va晴r℃8Propoaion Covariance Propo而on
1,0 0
0 0
0篙裟燃一
Mean
Max
Min
Std.Dev
—O.048
3.553
—3.711
0,998
Skewness
Kurtosis
J—B
Probabiliw
—O.102
3,826
14.110
0.00l
GAttCH效应检验。时间序列的GARCH效应(即异方 差性)检验,可以使用Ende的ARCH检验,检验结果如下:
F-statistic
17.75084
Probabilitv
0.000026
Obs*R—squared
17.68455
Probabflity
0.000026
检验结果表明,伴随概率Probability等于o.000026,明
Ej垂亟互三囹
2、预测评价 对于模型的预测功能的评价,通常可以将整个样本区
【参考文献】
[1]高铁梅主编:计量经济分析方法与建模,北京,清华大学出
版社,2006。
【2】易丹辉主编:数据分析与Eviews应用,北京,中国统计出版
社,2002。
【3】3 Bollerslev,Tim:Generalized autoregressive eroskedasticity.Joumal of Econometrics,1986。
,F谎锂七8f
岛l咖,口N(O,hO ^Fd—aJ一一,1矗一, 其中,也是Ix(k+1)维外生变量向量,7是(k+1)xl维系 数向量,a。>0,dJ≥o,y#o。 由于GARCH模型比较适用于收益性时间序列,所以 需将人民币对美元的日汇率序列FX做对数化处理,使其变 成比较平稳,序列处理公式如下:
个交易日的人民币/美元汇率中间价的分时高频数据(第1
个至第3205个数据)建立估计模型,预测2007年3月22日
至6月25日(后1000个数据值,第3206个至第4205个数
据)的每日分时高频汇率值。预测结果如下:
I=竺!竺!l
测算的指标如上图,可以看出RMSE、MAE、MPE和 Theil不等系数均较小,说明模型误差较小;而那么偏倚比例 和偏倚比例应该比较小,分别是0.018442和o.325879;而协 方差比例则比较大,为o.655678,说明预测成功。
综上所述,本文建立的GAkCH模型的均值估计正确,
标准残差服从正态分布,不存在额外的ARCH效应,所以可
以认为本文建立的模型的估计是准确的。
四、预测及预测结果分析
1、预测(Forecasting) 预测允许利用选择的预测方法和初始化方法,产生状
态变量、测量变量和相应的标准差预测。
本文主要采取了动态预测法对人民币/美元汇率进行预 测。本文以2005年7胃21日至2007年3月21日区间中每
显小于0.05,表明在5%的置信水平下,ARCH检验都是显 著的,儿存在着明显的异方差性。因此采用GARCH方法建
模是可行。 三、GARCH模型的建立与估计 1、模型的参数估计 采用Eviews5.0软件对建立GAR.CH(1,1FE率预测模型
进行估计:
,FC+Et
仃FK邙lE2h弗,口I_l
相关主题