基于人民币汇率风险的G-VaR预测研究

发布时间：2023-08-26 05:31

　　自“811汇改”以来,人民币汇率波动幅度逐渐增大,汇率的波动风险增加了政治决策的难度,因此,管理和控制汇率风险具有重要意义。其中,J.P.Morgan于1993年提出了线性期望理论框架下的风险度量指标——VaR,但是VaR缺乏衡量极端情况下损失的能力。非线性期望理论的出现指引了经典概率空间下风险度量指标的改进方向,非线性期望理论较经典的线性期望理论能更好的描述实际中的动态变化。由此,本文主要研究非线性期望理论框架下的风险度量指标——G-VaR。目前,G-VaR是有效度量股票风险的指标,而汇率作为重要的宏观经济变量受经济政策不确定性的影响较大,G-VaR预测方法无法从多时间尺度分析经济政策不确定性对汇率波动的影响,从而限制了 G-VaR预测精度。因此,本文提出将EEMD方法融合到G-VaR预测方法的框架中,假设EEMD方法将汇率收益率序列分解为次线性期望下相互独立的分量,在此基础上深入分析经济政策不确定性对各分量的影响。本文以美元兑人民币汇率、欧元兑人民币汇率和日元兑人民币汇率为例,通过EEMD方法实现汇率收益率序列的独立分解,假设汇率收益率序列分解为次线性期望下相互独立的三个分量——高...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究综述
    1.3 论文框架
    1.4 论文创新点
第二章 非线性期望下风险度量方法
    2.1 非线性期望理论
        2.1.1 非线性期望空间
        2.1.2 非线性分布及独立性
        2.1.3 G-正态分布、最大分布
        2.1.4 大数定律与中心极限定理
    2.2 风险度量方法
        2.2.1 VaR
        2.2.2 G-VaR
    2.3 分解方法
        2.3.1 EMD方法
        2.3.2 EEMD方法
    2.4 时间序列预测模型
        2.4.1 ARMA模型
        2.4.2 GARCH模型
        2.4.3 GARCH-MIDAS模型
    2.5 机器学习模型
        2.5.1 LSTM模型
        2.5.2 注意力机制
第三章 基于EEMD的G-VaR预测方法
    3.1 EEMD方法
    3.2 均值和波动率的估计方法
        3.2.1 时间序列的检验
        3.2.2 ARMA-GARCH模型
        3.2.3 简单移动平均模型
    3.3 均值和波动率的预测方法
        3.3.1 相关性分析
        3.3.2 GARCH-MIDAS模型
        3.3.3 Attention-LSTM模型
        3.3.4 ARMA模型
第四章 实证分析
    4.1 EEMD方法分解数据
        4.1.1 IMF的统计特征
        4.1.2 IMF重构
    4.2 高频序列的参数预测
        4.2.1 ARMA-GARCH模型估计参数
        4.2.2 GARCH-MIDAS模型预测参数
    4.3 低频序列的参数预测
        4.3.1 简单移动平均模型估计参数
        4.3.2 Attention-LSTM模型预测参数
    4.4 残差序列的参数预测
        4.4.1 简单移动平均模型估计参数
        4.4.2 ARMA模型预测参数
    4.5 G-VaR预测
        4.5.1 评价指标
        4.5.2 对比试验
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
学位论文评阅及答辩情况表



本文编号：3844048