基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率预测研究

发布时间：2017-06-27 03:10

  本文关键词：基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率预测研究，由笔耕文化传播整理发布。

【摘要】：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。
【关键词】：汇率收益率 ARFIMA模型 SVM模型 BPNN模型 非线性组合模型
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F832.6
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-23
• 1.1 选题背景与研究意义11-13
• 1.1.1 选题背景11-12
• 1.1.2 研究意义12-13
• 1.2 相关文献综述13-20
• 1.2.1 基于线性模型的汇率预测研究14-15
• 1.2.2 基于非线性模型的汇率预测研究15-18
• 1.2.3 基于组合模型的汇率预测研究18-20
• 1.3 研究思路与研究内容20-23
• 1.3.1 研究思路20-21
• 1.3.2 研究内容21-23
• 第2章 汇率预测相关研究基础与理论分析23-33
• 2.1 汇率决定的理论分析23-25
• 2.1.1 传统汇率决定理论分析23-24
• 2.1.2 现代汇率决定理论分析24-25
• 2.2 人民币汇率变动的影响因素分析25-28
• 2.2.1 政治因素分析25-26
• 2.2.2 经济因素分析26-28
• 2.2.3 其它因素分析28
• 2.3 人民币汇率变动特征的理论分析28-33
• 2.3.1 非线性特征的理论分析29-30
• 2.3.2 长记忆特征的理论分析30-33
• 第3章 ARFIMA-SVM-BPNN非线性组合模型的构建33-42
• 3.1 人民币汇率特征的检验方法及模型33-35
• 3.1.1 非线性特征的BDS检验方法33-34
• 3.1.2 长记忆特性的DFA检验模型34-35
• 3.2 单一预测模型的选择及构建35-38
• 3.2.1 自回归分整移动平均(ARFIMA)模型35-36
• 3.2.2 支持向量机(SVM)模型36-37
• 3.2.3 反向传播神经网络(BPNN)模型37-38
• 3.3 非线性组合预测模型的构建过程及参数估计38-42
• 3.3.1 非线性组合模型的构建过程39-40
• 3.3.2 非线性组合模型的参数估计40-42
• 第4章 基于非线性组合模型的人民币汇率预测实证42-67
• 4.1 样本的选取与描述42-52
• 4.1.1 样本选取与数据来源42-45
• 4.1.2 样本的统计性描述45-52
• 4.2 人民币汇率特征的实证检验及分析52-54
• 4.2.1 基于BDS方法的非线性特征检验实证分析52-53
• 4.2.2 基于DFA模型的长记忆性检验实证分析53-54
• 4.3 基于非线性组合模型的人民币汇率预测实证结果及分析54-63
• 4.3.1 单一预测模型的预测结果与分析54-58
• 4.3.2 非线性组合预测模型的预测结果与分析58-63
• 4.4 人民币汇率非线性组合预测模型的优势分析63-65
• 4.4.1 模型预测效果评价指标的确立63
• 4.4.2 非线性组合模型的预测效果评价63-65
• 4.5 基于实证分析结果的对策建议65-67
• 结论67-69
• 参考文献69-76
• 致谢76-77
• 附录A 攻读学位期间发表的学术论文目录77-78
• 附录B 攻读学位期间参与的科研项目78

【参考文献】

中国期刊全文数据库 前10条

1 廖淑娇;冯晓霞;刘家彬;;基于混沌粒子群优化小波支持向量机的汇率预测[J];科学技术与工程;2012年11期

2 徐成贤;陈静;王昭;;遗传支持向量机及其在人民币汇率变动方向预测中的应用[J];统计与决策;2011年22期

3 熊志斌;;ARIMA融合神经网络的人民币汇率预测模型研究[J];数量经济技术经济研究;2011年06期

4 薛永刚;;基于小波分解的汇率预测模型实证研究[J];统计与决策;2010年20期

5 徐成贤;陈静;王昭;;应用不等权重支持向量机预测人民币汇率的变动[J];统计与信息论坛;2010年10期

6 杨新臣;吴仰儒;;基于支持向量机的非线性汇率预测分析[J];统计与决策;2010年18期

7 刘洋;;关于优化人民币汇率预测仿真研究[J];计算机仿真;2010年08期

8 谢赤;龙山;刘珉华;孙柏;;人民币汇率非线性相关结构的实证分析[J];统计与决策;2010年08期

9 王向宇;须文波;孙俊;赵琪;;利用VLRBP神经网络改善汇率预测[J];计算机工程与应用;2010年06期

10 雷强;郭白滢;;BDS替代数据法的人民币汇率非线性特征研究[J];管理学报;2010年02期

  本文关键词：基于ARFIMA-SVM-BPNN非线性组合模型的人民币汇率预测研究，，由笔耕文化传播整理发布。

本文编号：488398