人民币汇率预测的两种模型

通过对汇改后人民币对美元汇率的波动情况进行分析,采用周期-ARMA模型和多变量的CAR模型,对人民币汇率进行短期预测.结果表明,两种模型都能对原始数据达到很好的拟合,对于实际的预测分析,周期-ARMA模型的预测结果较为平稳,而参考了恒生银行汇价的CAR模型对汇价的波动更加敏感.因此,利用两个模型进行组合预测,可以得到更高的预测精度.     

运用样本更新的实时神经网络进行短期电力负荷预测

用多层神经网络模型解决短期电力负荷预测问题 ,提出了运用基于非梯度的单参数动态搜索(SPDS)算法训练网络 .这种学习算法可以克服 BP学习算法对规模大、特征多的问题难以收敛的困难 .根据预测日的天气信息进行样本集的动态构造和网络的实时训练 .计算结果表明 ,文中提出的模型可以较好地进行短期电力负荷预测 ,也验证了 SPDS学习算法的有效性.     

及时性自适应高维经济基本面建模与汇率预测分析

在人民币国际化不断推进,人民币汇率双向波动加强的背景下,构建具有优良预测能力的汇率预测模型愈发重要.参数模型对汇率预测的能力不仅取决于模型设定是否正确,还取决于模型能够同时:一方面能否迅速探测模型参数的结构性变化以使用最佳信息估计模型参数,另一方面能否及时识别模型解释变量以使用最佳解释变量对汇率进行预测.本文构建了自适应变元算法.该算法不仅能实时检测模型参数的结构性变化,探测参数的最大化同质区间,同时还能对变量进行及时识别以选择最佳模型解释变量,提高模型的预测能力.在样本外向前3至24个月的汇率预测中,自适应变元算法能显著超越随机游走,马尔可夫机制转换模型,误差修正模型,实时最优窗算法,多元自适应可变窗算法与其他经济基本面模型包括:弹性货币模型,购买力平价模型,利率平价模型,泰勒规则模型,偏移泰勒规则模型.变量选择结果显示,自"811"汇改以后,经济基本面因素决定了人民币汇率走势.中国与其他发达经济体包括欧元区,英国与日本的经济基本面同样能够决定美元兑人民币汇率走向.另外,自"811"汇改之后,人民币汇率预期相比于"811"汇改之前更易受到外部冲击的影响,合理的人民币汇率预期监管依然需要依赖于实行有管理的浮动汇率制度,防止汇率风险.     

融合财经新闻信息的汇率波动预测

本文引入互联网财经新闻信息来对日汇率波动趋势进行更准确预测.使用深度学习文本分析模型提取新闻中与汇率波动趋势有关的信息,计算日新闻影响数值特征,并融合汇率历史数据建立时间卷积网络模型对汇率波动趋势进行预测,最后根据预测结果研究交易策略并进行模拟投资.研究新闻对汇率预测的影响作用可以为投资决策提供实证依据与理论支撑,为新...     

改进人工鱼群算法在外汇预测和投资组合中的应用

人工鱼群算法具有良好的全局搜索能力和自适应能力,在解决投资组合问题上有较好的应用前景.本文通过改进人工鱼群算法,分别对汇率预测和外汇投资组合双目标优化两部分进行研究.首先利用基于平均距离视野的人工鱼群优化的支持向量回归机算法对汇率进行短期预测,提高了外汇预期收益率的准确性.然后建立外汇投资组合双目标模型,通过借鉴带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的思想,提出基于Pareto排序理论的双目标非支配排序人工鱼群算法(non-dominated sorting artificial fish swarm algorithm,NSAFSA).实证分析表明该算法在求解外汇投资组合方案时,获得的Pareto前沿比NSGA-II的结果分布更均匀,多样性更好.最后对NSAFSA算法进一步改进,通过两次剪枝策略提高了解的质量,并给出了可供选择的最优外汇投资组合方案.研究结果表明人工鱼群算法可以对汇率预测和外汇投资组合提供重要参考,在外汇市场中具有较大的应用潜力.     

基于互联网大数据的旅游需求分析——以北京怀柔为例

互联网大数据为经济金融以及旅游等行业的准确分析及预测提供了良好的数据基础.随着我国旅游业的蓬勃发展,旅游需求分析及旅游管理迫切需要实时且准确的数据作为支撑.本文以北京怀柔为例,收集两类互联网大数据进行实证研究.首先通过挖掘互联网搜索数据分析旅游目的地的热度,进而利用主成分分析方法构建搜索指数衡量旅游需求;其次通过利用携程网怀柔游客大数据分析游客的基本特征及游客旅游行为,即游客对旅游产品、景区和酒店的偏好.综合大数据分析结果,为旅游管理实践提出相应的建议.本研究有望为大数据时代下的旅游管理提供新的基于数据的分析视角.     

互联网搜索指数构建新方法及国际油价实证研究

针对大规模互联网搜索数据的多维特性,本文引入动态因子模型思想,构建反映更多关键特征的搜索指数,并使用生物信息学中因果分析方法对指数进行评价.将该指数构建及评价方法应用到国际原油现货和期货价格的分析中,与已有研究相比,本文构造的指数更能全面反映原油市场动态.实证结果表明:本文所构造的搜索指数与原油现货及期货价格均存在显著的因果关系,并能准确探测原油价格的拐点.该方法不仅可用于对国际油价的分析,也易于扩展到其他领域价格分析及预测中.     

基于网络搜索和CLSI-EMD-BP的旅游客流量预测研究

准确的旅游预测对于旅游政策制定当局和游客都具有重要意义,可以帮助资源的合理配置并避免拥堵事件和游客滞留事件的发生.为了提高旅游预测的准确性,本文考虑噪声在预测中的干扰,提出一种基于网络搜索的CLSI-EMD-BP预测模型.该模型首先利用CLSI方法对网络搜索数据进行指数合成,并利用EMD对序列进行噪声处理,将高频噪声从原序列中分离,再利用去噪处理后的网络搜索数据对旅游客流量进行预测.实证分析以九寨沟为例对预测期内未来22周旅游客流量进行预测发现,基于网络搜索的CLSI-EMD-BP预测误差显著低于时间序列、网络搜索和BP神经网络三个基准模型.该结论一方面说明了本文预测模型的改进作用,另一方面也表明了噪声处理在预测中的必要性.     

人民币汇率的稳定机制及其动态过程(Ⅱ)——实证分析

首先应用协整方法检验人民币汇率、外汇储备、进出口及国际外汇市场的汇率（日元对美元的双边汇率）变化的可积性和变量之间的协整关系,进而建立用来描述人民币汇率由短期波动向长期均衡非线性调整的动态过程的误差修正模型．实证分析结果表明,模型的所有估计系数具有我们建模时设定的符号;并且人民币汇率、外汇储备及美元／日元汇率之间存在唯一的长期稳定关系,即协整关系;短期预测模型不仅具有令人满意的拟合效果和预测能力,而且具有结构稳定性     

金融危机背景下的人民币汇率预测

在为金融危机期间人民币汇率的波动提供一种有效的预测方法.在利用替代数据方法检验和判别汇率系统具有非线性结构的基础上,识别了各具体汇率序列的最优滞后期组合,并分别采用了多层感知机(MLP)和层反馈网络(RNN2)结构构建同质神经网络模型,从三个方面对比分析了模型群在不同参数条件下的预测效果. 研究发现,根据不同序列的具体特征,各神经网络模型在不同自由度下的4个预测期限内的预测性能存在较明显的差异.同时,包含层反馈过程的RNN2模型在描述与预测人民币汇率的波动方面表现出很强的能力.此外, 还分析并解释了产生上述结果的原因,并为4种人民币汇率波动序列甄选出了相应的最优预测模型.     

人民币汇率的稳定机制及其动态过程(Ⅲ)——目标区域模型

基于Ｋｔｕｇｍ ａｎ 的汇率目标区域理论和中国现行的外汇管理体制及汇率制度的基本特点,应用人工神经网络技术对１９９４ 年１ 月－ １９９７ 年３ 月的月度数据,建立人民币汇率的非线性模型：目标区域模型;并运用所建立的模型对１９９７ 年４ 月－ ９ 月的人民币汇率走势进行预测．结果表明该模型具有令人满意的拟合与预测能力．基于目标区域模型在中国的适用性,应用该模型的平滑过渡条件,求出中国外汇储备的最佳上限（１５７７．５ 亿美元）．在确定出人民币汇率的目标区域的基础上,提出应适度贬值人民币的政策建议,并阐述实行这一举措的可行性和必要性．     

基于粗糙集理论修正的后续备件指数平滑预测方法

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。     

人民币在岸市场的国际影响力研究:基于修正的溢出指数模型

本文提出了修正的DieboldYilmaz溢出指数模型,利用该模型对2005年7月至2017年12月在岸人民币汇率及七种主要发达国家货币汇率的信息溢出关系进行分析,结果表明:1)虽然目前人民币在岸市场的国际影响力还比较有限,远低于发达国家的影响力水平,但已然呈现出不断上升的趋势,尤其是2015年"811"汇改之后,人民币对外影响力有了大幅提升;2)从滚动窗口分析和结构变点检验结果来看,人民币汇率形成机制的市场化改革以及国际地位的提升是导致人民币国际影响力发生结构变化的两大主因.总体而言研究证实了加权修正的DieboldYilmaz溢出指数模型能够更灵敏地反映出人民币国际影响力的变动;同时还表明提升人民币国际地位的关键途径之一就是继续推进汇率市场的市场化改革进程.     

中国债券收益率的可预测性检验

基于工具变量(instrumental variable, IVX)统计检验方法,对我国主要宏观经济变量能否单独或联合预测债券收益率进行可预测性研究.IVX检验方法无需考虑预测变量的持续性先验信息,对任何属于单位根过程、近单位根过程、近平稳过程或平稳过程的预测变量都稳健.进一步使用AIC和BIC方法对多元变量回归模型进行变量筛选,仿真结果表明,两种准则均能准确筛选出模型重要变量并排除冗余变量.通过对国债和AAA、AA-级企业债三种不同信用等级债券收益率的长短期可预测性差异分析,研究发现:1) 1年期储蓄存款利率、人民币实际有效汇率、沪深300指数、工业增加值同比以及大部分宏观经济变量组合在10%显著性水平上能显著预测债券收益率;2)宏观经济变量长期预测能力强于短期;3)基于IVX方法的AIC和BIC准则能够有效地筛选模型重要变量.     

GM(1,1)模型的改进及其适用范围

基于GM(1,1)模型的建模机理,本文同时改进了模型的背景值构造方法和预测值的计算公式,提出了新的改进模型.理论分析表明改进模型有意义的适用范围扩大为发展系数a∈(-4,2).打破了传统模型有意义的范围(-2,2);数据模拟实验的结果表明新的改进模型完全适用于对高增长序列建模,而且不管是短期还是长期预测都具有相当高的预测精度.这就显著扩大了GM(1,1)模型的适用范围.     

人民币升值对中小板市场波动的影响——基于贝叶斯分位数回归的分析

由于传统均值回归模型无法很好地刻画中小板综合指数极差、汇率和利率具有的尖峰厚尾及结构突变等特征,本文利用分位数回归基本思想,引入自回归分布滞后效应,借助不对称Laplace分布进行贝叶斯估计,构建基于Gibbs抽样的贝叶斯自回归分布滞后分位数回归模型,并考察了人民币升值对中小板综合指数极差波动的影响。结果表明,中小板市场主要受自身过去波动的刺激作用,利率影响微弱;人民币升值可以平缓中小板市场波动,但股市波动剧烈时,抑制效果减小。因此本文认为在股市波动平缓的情况下,可以适当推进人民币升值步伐。     

融合新闻影响力衰减的国际原油价格预测研究

随着大数据技术的发展,新闻数据被应用于国际原油价格的预测,但是目前缺乏对新闻数据影响程度和影响时长的研究.为量化新闻影响衰减,本文基于指数衰减和互信息提出了一种新闻影响力指数衰减时间序列的计算和择优方法.为提高预测精度,本文构建了基于差分进化优化算法的组合核函数支持向量回归预测模型,实现了权重系数、核函数参数和回归模型参数的优化选取.为评估方法的有效性,本文选择了8个模型进行对比研究.实证结果表明:本文设计的新闻影响力指数衰减时间序列计算方法提高了新闻指数与原油价格的相关性,有利于提升原油价格的预测精度;本文设计的预测模型具有较好的预测精度,验证集的平均绝对百分比误差为1.53%,优于对比模型.     

基于跳辨识-MCMC组合算法的人民币汇率跳扩散模型参数估计问题

针对人民币汇率收益率时间序列数据存在的跳变特征,采用跳扩散模型对其时间序列数据进行描述.为识别跳变规律并解决模型的参数估计问题,提出了基于跳辨识-MCMC的组合算法:即结合Lee-Mykland的跳辨识方法与MCMC(蒙特卡罗马尔可夫链)方法形成组合算法,利用仿真实验,通过误差分析得出组合算法在跳扩散模型参数估计方面效果明显优于单一MCMC方法.以人民币/美元日汇率数据为样本进行实证分析,结果表明组合算法不但能较为准确地识别出汇率收益率的跳变时刻及规律,而且其模型参数估计的有效性大大提高.     

基于Copula-GARCH方法的交叉汇率期权套期保值模型

针对进出口贸易中汇率风险管理问题,利用Copula-GARCH方法,基于改进的下偏矩风险测度(LPM)提出交叉汇率期权套期保值模型.首先,用Copula函数刻画相关结构,建立适用于任意边际分布的交叉汇率期权套期保值理论模型,并推导出模型的积分形式.然后,对交叉汇率收益序列进行GARCH模型拟合,给出基于边际收益率分布的最优模型算法步骤.最后,将模型应用于人民币外汇市场交叉汇率套期保值实证研究,并分析敲定价格,套期保值成本和风险厌恶程度等对LPM的影响.研究结果表明,将目标收益设置为收益的中位数而不是平均收益有利于投资者谨慎投资.为了降低LPM风险,建议预算较少的投资者选择平值看跌期权对冲,而预算较高的投资者可以选择实值看跌期权,但敲定价格不宜过大.     

基于混频数据抽样的已实现波动率长记忆模型

基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显著提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.