基于非线性GARCH模型的人民币汇率波动实证研究

发布时间：2020-10-28 19:04

　　 随着全球经济的一体化、国际金融市场一体化的加速推进,国际市场的不断完善与发展,各国之间经济的贸易依赖度增加,金融体系合作日趋密切,国际货币市场也逐步趋于市场化与联动化。然而,今年以来,美国逐步趋向于贸易单边主义,不断借由反倾销等理由挑起针对我国的经贸摩擦,令人对中美经贸关系前景不禁担忧。汇率作为连接两国经贸往来的桥梁,不仅起到反映两国经济现状的晴雨表作用,更是直接影响他国经济与进出口的兵刃,因此为了防止美国进一步扩大经贸摩擦,将汇率作为影响我国经济发展的直接武器,在锤炼我国自身货币政策的同时,更要将汇率监控与预测摆在未来经济调控的核心位置。然而,现实情况则是,相比于汇率当前在我国国经济中的地位,汇率预测方面的学术研究与探索目前依然处于摸索状态。运用实证与定量相结合的研究方法,对2013年1月1日至2019年5月31日间共1708个交易日美元-人民币汇率样本进行了平稳性检验,针对数据的平稳性检验结果对时间序列数据进行收益性序列转化,并在收益性序列的数据基础之上首先对其均值方程展开ARMA模型的定阶与参数构建。经过Q统计相关图检验、残差ARCH-LM检验和残差平方相关图检验后,确定ARMA阶数构架,并在此基础上为EGARCH-M模型与TGARCH-M模型定阶,参照赤池信息准则(AIC)和施瓦茨信息准则(SBIC)得到ARMA-EGARCH-M模型与ARMA-TGARCH-M模型,并完成对其进行的残差检验。为实现对GARCH族模型的非线性化处理,选用BP神经网络模型对两模型数据展开训练与预测,将2013年1月1日起到2019年4月30日止共1685个数据作为训练样本;从2019年5月1日到2019年5月31日止共23个数据为测试样本,输入神经网络模型中展开训练,并根据输出结果误差的大小与RMSE、Theil不相等系数与MAE大小来评价二者的拟合结果,提出对汇率波动本身以及预测模型的建议与结论。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.6;F224
【部分图文】：

哈尔滨工业大学经济学硕士学位论文-TGARCH-M 模型，并完成对其进行的残差检验。于所构建的 ARMA-EGARCH-M 模型与 ARMA-TGARCH-M 模型还远化分析，为实现对 GARCH 族模型的非线性化处理，本文选用 BP 神两模型数据展开预测。具体流程为，选取 2013 年 1 月 1 日起到 220共 1685 个数据作为训练样本，将预测数据按滞后期划分为四个序列代效果，将每一阶所对应的 ARMA-EGARCH-M 模型与 ARMA-TGA方差方程所推算出的误差作为第五列数据代入，构成完整的训练集， 5 月 1 日到 2019 年 5 月 31 日止共 23 个数据作为测试样本输入神经开训练。根据输出结果所输出的误差大小与 RMSE、Theil 不相等系数评价二者的拟合，提出对汇率波动本身以及预测模型的建议与结论。思路如下图所示：

ARCH 族模型非线性化工具——BP 人工神经网络模型工神经网络模型简介神经网络技术是在人类大脑神经形成深度认知基础上建立的，它脑神经网络结构设计，用以实现的某种指定功能的一种信息处理。人工神经网络技术由大量简单的信息处理单元相互连接而构成行思考与运算时所产生的逻辑操作与任意精度变量间的非线性映学习与自适应能力。它类似一架内部紧密联结并行的分布式处理信息与解决问题的能力，然而它并不像计算机一样存在指定的存所获得并学习的信息存储在星罗棋布的连接权中。脑结构相似，人工神经网络的基本构成单位是神经元，主要负责部分间所需的信息。神经元的数量庞大，使其足以联结并支撑起同时每个神经元都具有处理复杂分析、推理工作的能力，它们可非线性化处理，并将处理结果传递给其他神经元，这便使神经元了一个体系庞大的数学模型。其结构模型如下图 2.1 所示：

图 2-2 三层BP神经网络模型基本结构关系构架图示是只具有一个隐含层的BP神经网络， , ,... 为输, ,... 是神经网络所产出的预测值， 和 为神经网m分别为输入层与输出层节点的个数。由图可知，BP神经，输入值与预测值分别对应其自变量与因变量。这样的个自变量（即输入节点数）与m个因变量（即输出节点数的输出结果都有一个与其对应的输入值。GARCH模型的确立H与TGARCH模型能够高度拟合汇率波动所产生的集群P人工神经网络则能够优化拟合汇率波动中的非线性变化
【相似文献】

相关期刊论文 前10条

1 ;任凭秋冬寒意浓 执着面对不愁春[J];现代焊接;2012年01期

2 唐素梅;;试析人民币汇率制度改革[J];蚌埠党校学报;2005年04期

3 ;沸沸扬扬话人民币汇率(一)[J];现代焊接;2005年04期

4 夏斌;;关于当前人民币汇率调整策略的思考[J];北京物资流通;2008年01期

5 谢建国;贾珊山;;公开市场表态稳定了人民币汇率吗?:基于2014～2017年人民币汇率干预事件的研究[J];世界经济研究;2019年01期

6 王莉;;人民币汇率市场新特征[J];中国外汇;2018年23期

7 刘继明;;人民币汇率与股市溢出效应分析[J];河北金融;2019年03期

8 张启迪;;人民币汇率的影响因素及未来趋势[J];经济界;2019年03期

9 梁斯;范文博;;“811汇改”以来人民币汇率走势分析及展望[J];清华金融评论;2019年05期

10 ;人民币汇率11年来首“破7”[J];新产经;2019年09期

相关博士学位论文 前10条

1 洪彰杓;人民币汇率波动对中国出入境旅游市场的影响[D];吉林大学;2018年

2 王旭丹;扩展三元悖论视角下人民币汇率弹性管理研究[D];天津财经大学;2015年

3 朱国艳;人民币汇率传递效应研究[D];天津财经大学;2017年

4 赵阳;人民币汇率不完全传递对中国宏观经济的影响研究[D];武汉大学;2013年

5 张程;人民币汇率对我国产业结构升级影响机制研究[D];中国矿业大学(北京);2018年

6 白杰;人民币汇率波动的分形特征及趋势研究[D];东北师范大学;2018年

7 曹维;不同时段的中国汇率制度问题研究[D];复旦大学;2006年

8 刘凤娟;人民币汇率、国际贸易与经济增长的理论与经验研究[D];湖南大学;2007年

9 马骥;人民币汇率调整的贸易效应研究[D];北京邮电大学;2008年

10 谷宇;人民币汇率体制变革对中国经济的影响分析[D];吉林大学;2008年

相关硕士学位论文 前10条

1 范佳奕;QFII投资、人民币汇率与股票价格的动态关系研究[D];南京师范大学;2019年

2 张航;基于非线性GARCH模型的人民币汇率波动实证研究[D];哈尔滨工业大学;2019年

3 王玥;在岸与离岸市场人民币汇率溢出效应的研究[D];哈尔滨工业大学;2019年

4 王艺林;汇改进程中人民币汇率波动对中国金融安全的影响研究[D];浙江大学;2019年

5 李叶茹;人民币汇率、房价与货币政策互动研究[D];厦门大学;2017年

6 黄静怡;人民币汇率波动与企业现金持有[D];厦门大学;2017年

7 魏冬;人民币汇率不完全传递对国内物价水平的影响研究[D];新疆财经大学;2018年

8 奉艳红;在岸与离岸人民币汇率价差的决定因素研究[D];厦门大学;2017年

9 李金丹;央行干预与市场预期[D];厦门大学;2018年

10 秦嘉伟;人民币汇率预期与短期国际资本流动关系的实证研究[D];厦门大学;2018年

本文编号：2860478