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．     

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     

新加坡汇率管理的SETAR模型研究及启示

目前新加坡采用的是具有汇率目标区管理的汇率制度。本文通过采用自我激励阈值自回归（SETAR）模型对新元名义有效汇率的运动行为特征进行实证分析，从而更好地了解新加坡金融管理局是如何实施这种汇率管理的，并在此基础上，探讨新加坡汇率管理对于目前人民币汇率管理改革的启示和借鉴意义。     

基于人工神经网络的汇率预报

本文将人工神经网络应用于汇率预报．应用从１９８７年５月至１９９２年１２月伦敦和纽约两大外汇市场马克对美元的市场即期汇率数据，建立前向组合神经网络预报模型．训练后的神经网络不仅能准确地拟会汇率的过去值，而且能较精确地预报汇率的未来趋势．计算结果表明：汇率的神经网络预报方法比统计预报方法优越．     

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.     

时间连续的马尔柯夫过程在汇率预测中的应用

为克服应用传统统计方法进行汇率预测时,因误选模型而导致的误差,提出了基于时间连续马尔柯夫过程的汇率预测方法。通过确定马尔柯夫过程的转移速度矩阵,建立汇率短期预测模型,并对其用拉普拉斯变换进行求解。将此模型应用于欧元/美元汇率的短期波动预测,实例表明,预测结果与实际观测值符合较好。     

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.     

汇率调整对外向型企业的影响

采用计算机建模的方法，定量分析汇率调整对外向型企业的影响。分析过程主要是利用基于主体的计算机模拟方法，结合经济学相关理论，通过建立反映外向型企业与汇率关系的模型，并在模型的基础上比较汇率不变，汇率小幅上调，汇率大幅上调这3种情况下的运行结果，对比分析关于汇率改革的3种决策对外向型企业的影响，从而得出保持汇率稳定最有利于我国外向型企业的发展的结论。     

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。     

过渡阶段的汇率动态模型

基于均衡和无套利原则建立起来的汇率理论难于解释货币危机爆发和汇率调整过渡阶段的货币价格行为，论文建立汇率的线性动态模型，并运用突变理论中的非线性尖点突变模型分析汇率运动中的突变现象，对1997—1998年亚洲货币危机受害国汇率进行实证分析、结果表明在过渡阶段，各国汇率系统的平衡点均是渐近稳定的；除泰国以外，菲律宾、韩国和印度尼西亚等国家在过渡阶段均存在货币价格突变的现象；对两类模型的拟合误差比较也显示汇率非线性模型比线性模型更好地拟合了过渡阶段汇率的实际观测值。     

基于分解-聚类-集成学习的汇率预测方法

本文集成了经验模态分解(EEMD)、最小二乘支持向量回归(LSSVR)和K均值聚类方法,提出了一个新的外汇汇率预测方法,称为基于EEMD-LSSVR-K的分解-聚类-集成学习的外汇汇率预测方法.该方法利用聚类策略将分解-集成学习中固定权值集成学习扩展到基于局部数据特征加权的非线性集成加权学习,从而克服了分解-集成方法中集成学习阶段的不足.本文将该方法用于四种主要外汇汇率的预测,实证结果表明:在提前1天、提前3天和提前6天的预测中,本文所提出的EEMD-LSSVR-K方法的水平预测性能和方向预测性能显著地优于基准模型;同时也证实了聚类策略能够有效提高分解-集成模型的预测效果.     

面向回采工作面的人工神经网络模型

应用人工神经网络方法，以30个工作面的实际资料为样本，建立了面向回采工作面的人工神经网络模型，用来选择工作面的回采工艺方式，预测其单产和工效。     

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.     

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．     

人民币汇率决定因素分析

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,运用系统分析方法,通过对人民币汇率决定机制的分析,建立了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．实证分析表明本文所建立的模型能反映现阶段人民币汇率的客观实际．     

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.     

中国的货币需求函数的非线性建模与预测

在这篇文章中，我们使用不同的非线性函数来对中国的广义货币Ｍ２（即，现金加企业机关的活期存款和定期存款加居民的各项储蓄存款）的需求来建立模型，特别地，我们将一个非常简单的人工神经网络（ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ（ＡＮＮｓ））同协整与误差校正模型（ｃｏｉｎｔｅｇｒａｔｉｏｎａｎｄｅｒｒｏｒ－ｃｏｒ－ｒｅｃｔｉｏｎｍｏｄｅｌ）结合起来，给出一个非线性模型。这些模型是季度模型，采样区间为１９８０年的第一季度到１９９４年的第四季度。首先，我们利用给出的模型在区间１９８０年到１９９３年广义货币Ｍ２进行估计和分析，然后使用估计出的模型对１９９４年进行预测。无论是对Ｍ２的拟合值还是预测值都是令人满意的。结果表明在我国存在一个稳定的货币需求函数，我们可以用它对货币总量进行预测以及给出一些实施货币政策性的建议。     

汇率与公司利润

汇率的一个重要职能就是价格转换功能,它是形成各种相对价格的基础。汇率变化会通过相对价格的变化而对一个国家的贸易收支状况和公司的价值,利润及其它的财务指标产生较大的影响。本文将探讨汇率变化对进出口企业利润产生的影响。在假定生产厂商追求利润最大化目标的前提下,作者得出了如下的结果：１）对于纯出口型企业,公司利润对汇率的弹性为国外对公司出口产品的需求弹性;２）对于纯进口型企业,公司利润对汇率的弹性为公司进口产品的需求弹性;３）对于进出口型企业,公司利润对汇率的弹性为０,即汇率变化对该类公司利润不产生影响。最后,作者提供了测算进,出口企业利润对汇率弹性的一般方法。     

半参数STAR模型的估计及应用

文中首次提出了一个新的STAR模型,在保留了转换函数的前提下,让转换变量以非参数的形式进入转换函数,从而有效减少了模型误设的风险,提高了样本内拟合和样本外预测的能力. 蒙特卡罗实验的结果显示半参数STAR模型的有限样本拟合结果令人满意. 利用1994年1月到2012年7月的人民币实际有效汇率月度数据,将半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力进行比较,结果显示半参数STAR模型在样本外预测能力上具有显著优势.     

半参数STAR模型的估计及应用

文中首次提出了一个新的STAR模型,在保留了转换函数的前提下,让转换变量以非参数的形式进入转换函数,从而有效减少了模型误设的风险,提高了样本内拟合和样本外预测的能力.蒙特卡罗实验的结果显示半参数STAR模型的有限样本拟合结果令人满意.利用1994年1月到2012年7月的人民币实际有效汇率月度数据,将半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力进行比较,结果显示半参数STAR模型在样本外预测能力上具有显著优势.