基于蚁群算法的GARCH模型的人民币—美元汇率预测研究

发布时间：2020-06-27 01:56

【摘要】： 2005年人民币汇率体制改革之后,我国开始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。汇率不再固定不变,人民币持续升值。从2007年5月以来,美国次债引发的金融危机、经济危机在全球范围内愈演愈烈,美国老牌金融机构纷纷倒闭,国际金融体系危机四伏,在世界各国普遍采用浮动汇率制的情况下,汇率的波动极为频繁和剧烈。因而加强人民币汇率预测的研究工作对中央银行加强金融监管以及微观经济主体规避外汇风险都具有非常重要的意义。国内外很多学者都采用人工智能或经典计量经济学方法研究有关汇率预测的问题,但研究结果表明单独使用任何一种方法都有其局限性,因此本文采用蚁群算法优化GARCH模型进行实证研究,是人工智能与经典计量经济学的结合,有助于更好的解决汇率预测问题。本文研究以时间序列为基础的人民币汇率短期预测,选用汇率体制改革后的2005年7月1日—2009年4月30日人民币对美元日汇率作为研究的样本数据。首先,本文论述了人民币-美元汇率研究的现状,总结了汇率决定理论和预测方法的发展,并回顾了人民币汇率体制改革之路。接着深入学习和探讨了蚁群算法和GARCH模型的原理、特点、应用及研究现状,分析研究了两方法的共同点和相结合运用的可行性,建立了以经验和实验结果选定模型输入变量参数、以最大最小蚁群算法改进GARCH模型的预测方案(MMAS-GARCH)。根据样本区间上汇率时间序列具有自相关性和非平稳性的特点,分析了该模型预测的可行性,并使用优化的MMAS-GARCH模型对人民币-美元汇率进行了实证研究。和普通GARCH模型预测结果相比较,优化的MMAS-GARCH模型取得了更好的预测效果。研究最后,本文对以时间序列变量为基础的两种人民币汇率模型,即GARCH模型和MMAS-GARCH模型的预测结果进行了综合评价分析,并得出经最大最小蚁群算法优化的GARCH模型在人民币-美元汇率预测上优于普通GARCH模型的结论。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F831.52
【图文】：

示意图,食物源,蚁巢,蚂蚁

基于蚁群成千上万只蚂蚁在蚁巢和食物源中间所走的不同路径以及路径上所残留的信息素的浓度，蚁群才能迅速的寻找到蚁巢到食物源的最短路径。具体的实现过程如图2-1所示[21]：图2-1 蚂蚁寻找从蚁巢至食物源最短路径示意图Figure2-1 how real ants find a shortest path2.1.3 人工蚁群和真实蚁群的异同人工蚁群算法的原型是真实的蚁群，所以它们必然存在许多共同之处：（1）均为个体间能相互协作的群体：如同任意单个的蚂蚁都能找到一条从蚁巢到食物源的路径（但不一定是最短的），人工蚁群中的单个蚂蚁也都可以找到一个可行解。但如同真实的蚁群只有通过团体的相互协作才能寻找到蚁巢到食物源的最短路径一样，蚂蚁算法也必须利用同步的和非同步的全局协作的一个种群(或群体)找到所考虑问题的最优解。（2）信息交流的介质。自然界中的蚂蚁在所经过的路径上留下了本身所释放的一种化学物质—信息素，而人工蚂蚁则在它们经过的抽象路径上遗留了数字信息，即改变了原路径上存储的数字信息。如同真实蚂蚁释放的信息素能被其他蚂蚁感知到一样，人工蚂蚁所遗留的数字信息也能够被其它经过这里的人工蚂蚁读取和重复改写。这种信息保存和具有蚂蚁行进路径历史的和当前的性能，我们称这种数字信息为人工信息素迹。真实蚂蚁所释放的信息素改变了其-14-

流程图,GARCH模型,基本流程图,蚁群算法

哈尔滨工业大学经济学硕士学位论文预测结果中用MMAS法则检验等；还可以利用蚁群算法的性率影响决定因素融入到GARCH模型当中，一方面符合人民币另一方面能相应提高预测的精度。蚁群算法是一种新兴的人工智能算法，虽然有人将它进测方向上，但是在金融领域特别是汇率预测方向上还没有人过对蚁群算法和GARCH模型的学习，认为利用蚁群算法优化论上是可行的，经过分析比较并验证各个方案的可行性，最说第5点中的想法来实现优化的方案。3.2 建模—蚁群算法优化的 GARCH 模型本文结合蚁群算法和GARCH模型的原理，综合考虑人民征，并结合我国当前的经济政策和汇率体制，决定应用蚁群好的最大最小蚁群算法（MMAS）来对GARCH模型进行优化改进后的模型基本步骤流程图3-3如下：

【相似文献】