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。     

基于EEMD-SVR的渔业养殖水质预测模型

由于SVR在预测渔业养殖水质参数中存在的精度低问题,本文提出并采用基于集合经验模态分解法(Ensemble Empirical Model Decomposition,EEMD)、支持向量回归机(Support Vector Regression,SVR)的EEMD-SVR组合模型预测方法.首先用EEMD解法将水质数据分解为一系列相对平稳的IMF分量序列,去除噪声序列,然后采用网格搜索法优化SVR对去噪后的水质数据建立预测模型.利用EEMD-SVR预测模型对天津某渔业养殖池塘内溶解氧和pH值预测,并与无EEMD预测方法对比分析,证明该模型具有较好的预测效果,能够满足实际渔业养殖水质精细化管理需要.     

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.     

汇率波动中ARIMA模型分析

本文对2005年6月汇受后人民币／美元汇率的变化趋势进行分析,建立ABIMA模型,误差分析表明该模型具有较好的预测效果,可以为分析人民币／美元汇率变化趋势提供参考。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

汇率波动对大宗商品交易价格影响研究

基于大多数大宗商品以美元计价的现实背景,考虑到交易成本在内的一价定律,从人民币汇率波动对大宗商品交易价格的影响出发,以大宗农产品中的大豆、小麦和白糖为例,根据大宗农产品的国内期货价格的日频数据和人民币对美元的即期汇率,运用多元协整模型、误差修正模型、脉冲响应函数等方法,对人民币兑美元汇率与国内大宗农产品价格之间的关系进行全面分析.实证结果表明,人民币兑美元汇率的升值与大宗农产品价格上涨存在正相关关系,美元的贬值可能会导致更高的大宗农产品价格.     

人民币汇率变动对我国出境旅游市场的影响——基于1997-2012年数据的实证研究

本研究选取1997-2012年度数据,运用协整与误差修正模型考察了人民币汇率变化对我国出境旅游的影响.结果表明,我国出境旅游人数与人民币兑美元汇率、城镇居民可支配收入之间有长期均衡关系,边际弹性为正,人民币兑美元汇率每升值1％会导致我国出境旅游人数增加3.73％,城镇居民可支配收入每提高1％会促使出境旅游人数增长2.27％.但在短期城镇居民可支配收入对我国出境旅游人数的影响不显著,人民币汇率变化对我国出境旅游短期影响要小于长期影响.     

财经剪贴

人民币兑美元汇率浮动幅度由0.5%扩至1%中国央行4月14日上午发布公告,决定将外汇市场人民币兑美元汇率浮动幅度由原先的0.5%扩大至1%,即每日银行间即期外汇市场人民币兑美元的交易价可在中国外汇交易中心对外公布的当日人民币兑美元中间价上下1%的幅度内浮动。     

我国汇改后汇率波动的实证研究

本文通过ARCH族模型来对人民币/美元汇率收益率进行建模,并分析其波动的杠杆效应和风险溢价效应,结果发现汇改后外汇市场效率有所提高,外汇市场的风险可由过去的风险程度加以预测.由TARCH、EGARCH、EGARCH-M模型的研究显示人民币/美元汇率收益率存在杠杆效应,存在明显的非对称性,还不具备具有的高风险高回报的风险溢价效应特征.     

基于经验模态分解和多分支LSTM网络汇率预测

作为一种新型信号变换算法,经验模态分解(empirical mode decomposition, EMD)能够解决傅里叶变换等方法受限于特定基函数的缺陷。本文针对人工神经网络对高频金融时间序列预测准确率不足的问题,结合EMD和韦布尔分布对金融时间序列进行预处理,提出一种基于经验模态分解和多分支长短期记忆网络的分类预测模型,用于从高频金融时间序列中提取有关价格走势的信息并对未来的价格运动趋势做出预测。通过对2009—2012年欧元兑美元汇率时间序列进行预测,实验结果表明,所提出的网络模型可以得到较高的预测准确率和计算速度,并且同普通LSTM网络相比,提高了泛化能力和模型稳定性。     

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.     

浅析人民币升值对我国输美纺织品价格的影响

运用协整及误差修正模型研究了2005年7月人民币汇率改革前后,人民币兑美元升值对我国输美纺织品价格的影响。研究结果表明,汇改前人民币兑美元汇率波动对我国输美纺织品价格的影响在统计上不显著。而2005年7月汇改以后,人民币兑美元升值节奏加快,我国输美纺织品价格对人民币汇率波动趋于敏感,人民币升值显著提高了我国输美纺织品当地市场价格。进而本文指出,加快纺织产业结构升级,提高纺织品内在价值将是我国纺织出口企业消化人民币升值不利影响的必然选择。     

人民币贬值,激起千层浪

<正>为增强人民币兑美元汇率中间价的市场化程度和基准性,中国人民银行8月11日在其网站公布,决定完善人民币兑美元汇率中间价报价。自2015年8月11日起,做市商在每日银行间外汇市场开盘前,参考上日银行间外汇市场收盘汇率,综合考虑外汇供求情况以及国际主要货币汇率变化向中国外汇交易中心提供中间价报价。当天,美元对人民币中间价报6.2298,而前一日报6.1162;也就是说,人民币对美元汇率中间价下调幅度达1.86%,当日人民币较前一日贬值1136点,为历史最大单日降幅。8月11日之后,人民币又多天连续贬值,一时在国内外市场上激起千层     

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。     

基于极限学习机的非平稳下击暴流风速预测

分别运用经验模态分解(empirical mode decomposition,EMD)法和快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)法将非平稳下击暴流风速分解为一系列稳态序列集,即固有模态分量.建立极限学习机(extreme learning machines,ELM)风速预测模型(EMD-ELM)和快速EMD-ELM(FEEMD-ELM),分别对分解后的非平稳脉动风速训练集和测试集进行预测.同时,将EMD和FEEMD与基于粒子群优化(particle swarm optimization,PSO)最小二乘支持向量机(least squares support vector machine,LSSVM)进行混合,形成EMD-PSO-LSSVM和FEEMD-PSO-LSSVM混合模型算法.通过比较这4种预测算法的结果发现,基于EMD-ELM和FEEMD-ELM的非平稳下击暴流风速预测模型更为准确高效,其中FEEMD-ELM模型预测最佳.     

半参数门限随机波动率模型及其实证研究

为了描写金融资产收益率波动率非对称性,以及充分刻画金融资产收益率偏态厚尾等典型特征,将门限效应和非参数分布引入到标准的随机波动率(SV)模型中,构建半参数门限随机波动率(TSV-DPM)模型对金融资产收益率的波动率进行建模。利用基于贝叶斯的MCMC算法估计模型参数,使用对数预测尾部得分(LPTS)比较不同模型在极端事件中的预测能力。以欧元/美元汇率日度数据对TSV-DPM模型进行实证分析,结果表明TSV-DPM模型不但能够有效的刻画欧元/美元汇率收益的波动率的动态特征,而且对极端事件的预测能力优于SV-DPM模型,同时验证了欧元/美元汇率收益率具有较强的波动率持续性和较弱的波动率非对称性。     

注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

基于TVF-EMD-PSO-GRU的月径流模型与应用研究

准确的径流预测在水资源规划和管理中发挥着重要作用．然而，受气候变化和人类活动等因素的影响，径流形成过程十分复杂，具有高度的非线性和非平稳性，更增加了径流预报的难度．为提高月径流预测精度，提出了基于时变滤波器的经验模态分解(TVF-EMD)和结合粒子群优化算法(PSO)的门限循环单元(GRU)的混合模型(TEPG)．首先利用TVF-EMD将原始月径流序列分解为若干个固有模态函数(IMF)，然后再利用PSO-GRU模型分别对每一个IMF进行预测，最后将每个IMF的预测结果相加得到原始月径流序列最终的预测结果．以黄河干流4个代表性水文站(包括唐乃亥站、头道拐站、花园口站、利津站)为研究对象，应用该模型对这4个测站的月径流进行单步预测研究，并与PSO-GRU(PG)模型、基于互补经验模态分解(CEEMD)的PSO-GRU(CPG)模型和基于经验模态分解(EMD)的PSO-GRU模型(EPG)进行对比分析．选用纳什效率系数NSE、相关系数R、均方根误差RMSE、预报合格率QR及预报精度等级等评价指标对模型预测精度进行评价．结果表明，与PG模型、CPG模型、EPG模型相比，TEPG模型具有更高的预...     

基于R/S检验、ARFIMA模型和小波方差的人民币汇率长记忆性检验

分别应用R/S检验、ARFIMA模型和小波方差对人民币兑美元名义汇率收益率序列的长记忆性进行检验.根据R/S统计量计算出Hurst指数为0.573 745 1,采用ARFIMA(2,d,1)模型对人民币汇率收益率序列进行拟合的效果比较好,其分数差分参数为0.145 7,利用Haar小波对人民币汇率波动绝对值收益率序列进行最大重复离散小波变换,得出其长记忆性参数为0.393 1.3种方法的研究结果均表明人民币兑美元名义汇率收益率序列存在长记忆性.