组合预测模型在汇率预测中的应用

为准确对汇率进行预测,提出基于ARIMA-GARCH~GED模型与PSO-LSSVM模型的汇率组合预测模型.首先,利用HP滤波将汇率分解为长期趋势序列与循环序列,然后运用ARIMA-GARCH~GED模型对长期趋势序列进行预测分析,运用PSO-LS-SVM模型对循环序列进行训练分析,最后将长期趋势与循环趋势的值相加即为汇率预测值.通过实例分析对比发现,此组合预测模型精度高于单一预测模型,可以更加准确预测非平稳汇率时间序列.     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上,使用人民币／美元的日汇率值进行实证研究,建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明,EGARCH模型的预测结果较ARIMA模型理想,适合描述人民币／美元汇率的变动趋势。     

基于ARMA-稀疏贝叶斯模型的汇率预测研究

文章基于ARMA模型和稀疏贝叶斯模型,提出了ARMA-稀疏贝叶斯模型,充分利用ARMA模型和稀疏贝叶斯模型在线性模型及非线性模型预测中的优势,将收益率序列分解为线性自相关主体和非线性残差2个部分,然后用ARMA模型对线性自相关主体数据进行预测估计,用稀疏贝叶斯模型对非线性残差进行预测估计,最后合成人民币兑美元日汇率中间价序列预测结果。研究结果证明,运用所建模型预测人民币日汇率中间价和上证指数收盘价,均取得了较好的效果。     

基于改进小波神经网络的汇率预测研究

选取2010-01-01—2010-10-31期间内,美元兑人民币的汇率基准价,以Morlet为母小波基函数,采用紧密结合的的小波神经网络对汇率基准价作非线性逼近,并在此小波神经网络基础上进行改进,并通过Matlab软件对原网络与改进网络的训练过程进行了数值仿真.仿真结果表明,改进网络模型对汇率基准价的预测是可行的,其预测精度更高.     

基于神经网络研究人民币汇率对企债收益的影响

为了研究企业债券市场,并针对汇率波动对企债市场的影响,提出建立LSTM和GRU两种神经网络模型;首先证明了它们对于企业债券市场收益的研究具有良好的拟合和预测效果,再将人民币兑美元的汇率数据作为神经网络的输入变量之一,验证人民币汇率对企债市场收益的影响,并比较两种模型的预测效果;结果显示:加入汇率指标后,两种模型不仅能捕捉收益趋势,同时都在数值上也更加精准可靠。实证研究表明,目前在研究我国企业债券市场时,人民币汇率是不可忽略的影响因素,并且相较而言GRU模型的结果更为精准。     

用汇率目标区方法评价1995-2004年人民币汇率

均衡汇率是指一个国家对内、对外同时实现均衡的汇率。研究均衡汇率对国家制定对外经济政策,维持经济稳定具有十分重要的意义。用K rugm an汇率目标区理论建立了人民币均衡汇率汇率目标区模型。选取不同基础经济变量组合建立汇率目标区模型对人民币汇率进行评价。计算结果说明1995—2004年人民币对美元实际汇率对均衡汇率的失调度均小于4%。并用该模型对2005年末人民币均衡汇率进行预测。结果表明目前人民币汇率处于合理水平。     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

基于分形理论的复旦人民币汇率指数的预测分析

运用R/S分析法和Hurst指数对复旦人民币实际有效汇率指数的结构特征进行分析,发现市场具有状态持续性和分形分布的特征;同时建立分形插值模型描绘其在一段时间内的变化规律,并预测短期内的指数走势,发现与原数据走势基本一致,且其平均标准误差仅为2.618%.结果表明,运用Hurst指数来估计垂直比例因子和利用分形插值模型预测复旦人民币汇率指数均是可行的.     

中国货币供应量与汇率反馈建模预测研究

本文采用经济计量学中无约束多项式分布滞后模型,研究了利用2000,1～2002,10,月度汇率预测相应月度货币供应量M2的正反馈模型。同时,在相同时期内还给出了利用月度货币供应量M2数据预测月度汇率的负反馈模型,在每个观测点处的预测精度高达10~(-8)以上,几乎无误差。可见,货币供应量M2与汇率的正负反馈模型拟合效果相当好,这为准确预测中国货币供应量M2,汇率数据提供了新的途径和方法。     

基于ARMA模型的汇率走势预测及在商业银行外汇理财业务中的应用

汇率的变动,将对金融机构的外汇管理业务造成直接影响．由于影响汇率及其波动幅度的因素十分复杂,汇率波动频率较高,对汇率进行准确预测一直是一项十分困难的工作．近年来,ARMA模型开始被广泛地用于对变动频率较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．以人民币汇率变动的历史数据为样本,通过建立MA（2）模型对未来的人民币汇率变动进行预测,以解决其在商业银行外汇理财业务中的应用问题．     

基于遗传神经网络的汇率价格短期预测

该文将遗传算法和人工神经网络相结合,建立了遗传神经网络模型,并且应用到汇率价格的短期预测.结果表明,如果对网络以一组汇率数据加以良好的训练,该模型就有较好的预测能力.     

基于BP神经网络的人民币汇率拟合与预测研究

通过BP网络对人民币/美元名义汇率序列进行了拟合,结果表明:所构造的网络能够较好地拟合人民币汇率的走势,并使用该网络对汇率进行了模拟预测,最后对预测结果作了评价.     

基于EMD和Elman网络的人民币汇率时间序列预测

为了改进神经网络的预测性能,更精确地预测人民币汇率,提出一种新的汇率时间序列预测方法,即利用基于经验模态分解(EMD)的Elman网络进行预测.首先对人民币兑美元的汇率序列做了非线性检验和非平稳性检验,然后对该序列进行经验模态分解,将得到的固有模态函数作为神经网络的输入变量,并在确定神经网络的关键参数后进行预测.实证结果表明,利用基于EMD的Elman网络进行人民币汇率预测能够取得更好的效果.     

基于ARIMA-GARCH-t与ELM的人民币汇率组合预测模型研究

本文旨在对人民币汇率进行预测,以丰富汇率预测方法、方式.利用2012年1月4日到2014年11月3日的人民币对美元汇率中间价数据,依据组合预测方差最小原则构建ARIMAGARCH-t与ELM(极限学习机)组合预测模型来分析人民币汇率的非线性时间序列特征,该模型一方面弥补了ARIMA预测时残差异方差性对预测精度的影响,同时将随机扰动项对模型的影响考虑在内,另一方面发挥ELM学习速度快、泛化性能好等特点.实例分析证明,该组合预测模型预测精度高于单一预测方法,是一种有效的预测方法.     

中国货币供应量与汇率反馈建模预测研究

本采用经济计量学中无约束多项式分布滞后模型，研究了利用2000，1～2002，l0，月度汇率预测相应月度货币供应量M2的正反馈模型。同时，在相同时期内还给出了利用月度货币供应量M2数据预测月度汇率的负反馈模型，在每个观测点处的预测精度高达10^-8以上，几乎无误差。可见，货币供应量M2与汇率的正负反馈模型拟合效果相当好，这为准确预测中国货币供应量M2，汇率数据提供了新的途径和方法。     

基于GARCH模型与ANN技术组合的汇率预测

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。     

基于协整理论的人民币/美元汇率组合预测模型

在人民币/美元汇率预测中,单一模型往往难以全面反映汇率的变化规律,为更有效地利用各个模型的优点,将不同的单一模型进行组合可以产生更好的预测精度.对ARMA模型、GARCH(1,1)模型、无偏灰色马尔科夫模型利用协整关系建立线性组合模型.实证表明:组合模型较被组合的各单模型的预测精度高.     

基于GARCH模型的外汇投资组合应用

对于外汇市场主要7个货币对欧元/美元,英镑/美元,美元/瑞士法郎,美元/日元,澳元/美元,美元/加元,纽元/美元的汇率运用时间序列分析方法,分别运用GARCH模型对汇率进行建模预测,计算得到收益期望,以GARCH模型残差方差作为风险度量。对投资过程中有无杠杆,运用马可维茨的“均值-方差”模型进行投资决策,得到下一日的投资策略。     

带有随机汇率因素的三因子期货价格的研究

引入随机跳跃的汇率因素,首次建立了跳跃扩散过程的标的资产、便利收益和汇率的三因子期货模型,然后推导出期货价格走势满足的偏微分方程,并求出该偏微分方程的解析解,应用加权最小二乘方法,给出辨识该解析解参数的方法,最后针对中国上海期货交易市场,选取燃料油期货的实际例子,求出了具体的参数并预测了未来的走势.预测结果与真实价格的比较证实了三因子期货模型是精确的,最大相对误差仅为3.772%.