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.     

外汇资产的时变相关性分析

采用时变条件t-copula模型对我国人民币汇率制度改革前后美元、欧元和日元兑人民币汇率之间的相关性进行了研究.时变t-copula模型的难点在于如何设定时变相依参数的演化方程,现有文献设定的演化方程存在滞后阶数任意选择的问题,为了克服该缺点,文中建立了用于描述时变相依参数的新的演化方程.结果显示美元与欧元兑人民币汇率、美元与日元兑人民币汇率之间的相关性由汇改前的弱相关变为汇改后较大程度的负相关,而欧元与日元兑人民币汇率之间的相关性在汇改前后变化并不明显.这表明人民币汇率制度的改革使得美元与欧元兑人民币汇率、美元与日元兑人民币汇率之间扭曲的相关性得到了较大程度的矫正,然而人民币汇率制度改革对欧元与日元兑人民币汇率之间相关性的影响却较小.该结果可为一篮子货币各货币权重的确定和外汇组合风险的管理提供参考.     

基于改进GARCH-M模型的汇率波动特征

在分析汇率数据的基础上,本文理论构建了改进的GARCH(1,2)-M模型,实证检验汇改前、后实际汇率波动的特征。结果表明:我国汇率形成体制具有较强的内在稳定器功能;实际汇率波动主要受汇率风险与上期汇率波动的影响,比例值约为44∶53;2005年7月汇改后,实际汇率波动的稳定性略有提高,但结构性变化不明显;汇率波动具有1期路径依赖性与时滞连带性;汇率风险具有1.8倍的乘数效应,且对汇率波动具有1.5倍累积效应;新息冲击、利率变动对实际汇率波动的影响较弱,皆有2期时滞性。模型启示:稳定汇率、稳定经济基本面与预防和管理新息冲击是新一轮汇改要考虑的三项重点,这有利于在可控、主动与渐近的原则下稳定人民币汇率。     

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.     

基于BEER模型的人民币均衡汇率——来自状态空间理论的新证据

将状态空间理论引入到行为均衡汇率(BEER)模型中,通过量测方程和状态方程,对时变系数进行估计以及对人民币实际有效汇率失调程度进行统计分析,得到以下结论:(1)2005年的"汇改"是适时的,它使得主要宏观经济变量与汇率的联系不断加深;(2)人民币汇率的失调程度不断降低,且实际有效汇率回复均衡值的能力亦有大幅提高;(3)人民币汇率在基本面上没有显示出明显的升值压力,应理性看待国际社会提出的人民币继续升值的声音。     

汇率预测的“米斯和罗格夫之谜”破解——来自非参数方法的回答

汇率预测非常困难,其波动具有时变性、随机性和模糊性等统计特征.现存文献中各种方法和模型的预测效果受很多因素影响,其预测力都不及随机游走模型,这就是汇率预测领域所谓的"米斯和罗格夫之谜(The Meese and Rogoff puzzle)".本文使用非参数方法研究汇率波动及其预测模型,发现较之任何参数方法、半参数方法都具有更大的灵活性.为了克服"维数魔咒",本文提出非参数可加模型来研究汇率预测问题.与现有模型相比,在同样的观察样本期内,非参数可加汇率预测模型有更好的样本外预测能力,这有力地证明了"米斯和罗格夫之谜"并非难以破解.此外,我们将非参数可加汇率模型应用于人民币对美元的汇率预测,其结果仍然揭示了该模型很好的拟合度和预测能力.本文为汇率预测这一研究领域提供了新的研究思路和方法.     

基于互联网搜索指数的多因素集成下人民币汇率预测

针对人民币短期汇率预测问题,构建了基于互联网大数据信息的互联网搜索指数,改进了人民币汇率短期预测CAR模型.首先,基于涵盖丰富信息的互联罔大数据,构建了反映大众关于汇率波动观点、情绪及预期的互联网搜索指数,并运用热最优路径(TOP)方法、去趋势交叉相关分析(DCCA)方法对指数的有效性进行了检验,结果表明该指数可以有效地表征出大众情绪和预期的变化.进一步地,利用所编制的互联网搜索指数对人民币汇率的短期预测模型进行改进,构建了融合互联网搜索指数的CAR模型.实证结果表明,融合互联网搜索指数的人民币汇率短期CAR预测模型可以有效提升短期汇率的预测精度.     

人民币汇率的半参数预测模型

利用从2006年1月4日到2008年7月18日人民币对美元汇率中间价的日均数据, 同时运用非参数函数系数模型和GARCH模型来分析人民币对美元汇率收益率与波动率的非线性时间序列特征. 实证结果表明, 半参数组合模型具有较好的拟合以及预测效果, 而且汇率管制政策变动的虚拟变量的估计 系数显著不为0. 跨度为50天的样本外预测显示: 96%的收益率真实值都落在2.5%以及97.5%的非参数分位 数回归预测线区间之内; 参数GARCH(1,1)模型拟合的波动率所显示出的汇率震荡与实际情况一致.     

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.     

人民币汇率决定模型的实证分析

应用多种经济计量学方法实证分析宏观经济变量对人民币汇率的影响 .研究结果表明 ,1994年以来的人民币汇率稳定主要归因于中央银行的外汇干预、适度从紧的货币政策、高速的经济增长以及对外债余额与通货膨胀的有效控制 ,日元的大幅度贬值对我国实施人民币汇率稳定政策带来了巨大压力 .1996年以来的多次降息使得国内外利率差的作用逐渐消失 .而未来的人民币汇率稳定将主要取决于上述宏观经济变量和国际金融环境 ,特别是日元不再进一步贬值.     

汇率波动对中国出口有非对称影响吗?

通过构建汇率和出口的二元GARCH-M-BEKK模型,研究人民币汇率波动对中国出口的影响关系.假设误差向量服从二元t分布,应用极大似然方法估计模型参数,检验了双边实际汇率波动对美国、英国和日本等六个国家或地区的出口在升值和贬值期的非对称效应.实证结果表明除韩国和泰国之外,汇率波动对出口变化有负效应.进而,非对称效应表现在汇率升值时汇率波动抑制出口变化的影响比汇率贬值时更大.实证结果还发现除韩国和泰国外,美国、英国、欧元区17国和日本的收入水平对出口变化有显著的正效应;人民币贬值对出口变化有显著的正效应;出口变化的波动对汇率波动有溢出效应.     

人民币汇率的稳定机制及其动态过程(Ⅰ)——模型构造

根据现阶段我国外汇管理体制和汇率政策的基本特征,应用汇率经济学理论与系统分析方法,探讨国内外汇市场供求变化的经济学原理,力图揭示汇率稳定与外汇储备变化的内在机制．在描述外汇储备变化与进出口及外资净流入之间关系的基础上,以汇率预期为中间变量,研究人民币汇率与外资净流入及国际外汇市场的汇率走势之间的内在联系,进而建立人民币汇率的实证分析模型．     

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     

管理浮动汇率制度下人民币汇率决定模型研究

根据现阶段我国的实际经济背景和管理浮动汇率制度的特点，应用经济理论和系统分析方法，通过对人民币汇率决定机制的分析，建立人民币汇率决定模型，根据所建立的模型，得出如下结论；人民币对美元汇率的变化率是由西方主要货币对美元汇率的变化率，商品的相对价格的变化率，国内外利率差，外债余额对收入比率的变化率及国内货币供应量的变化率共同决定的。     

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．     

Copula-based risk management models for multivariable RMB exchange rate in the process of RMB internationalization

This paper investigates the dependence of the exchange rate of onshore Renminbi (RMB) and offshore RMB against US dollar (i.e., CNY and CNH) based on copula models. Eleven different copulas were selected to construct multivariate distribution and estimate the value-at-risk for RMB exchange rate. Empirical results show that time-invariant Student-t copula is the best model to fit the sample data. The positive upper and lower dependence indicates that CNY and CNH series tend to move in the same direction. Moreover, the dependence between the two exchange rates is asymmetric, which means that traditional models, such as Pearson’s correlation, are inappropriate to measure the correlations between these markets. The best fitted model is chosen to estimate the financial risk, which can help business practitioners and policymakers track risk evolution and make good decisions.     

A KELM-Based Ensemble Learning Approach for Exchange Rate Forecasting

In this paper, a KELM-based ensemble learning approach, integrating Granger causality test, grey relational analysis and KELM(Kernel Extreme Learning Machine), is proposed for the exchange rate forecasting. The study uses a set of sixteen macroeconomic variables including, import,export, foreign exchange reserves, etc. Furthermore, the selected variables are ranked and then three of them, which have the highest degrees of relevance with the exchange rate, are filtered out by Granger causality test and the grey relational analysis, to represent the domestic situation. Then, based on the domestic situation, KELM is utilized for medium-term RMB/USD forecasting. The empirical results show that the proposed KELM-based ensemble learning approach outperforms all other benchmark models in different forecasting horizons, which implies that the KELM-based ensemble learning approach is a powerful learning approach for exchange rates forecasting.