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.     

汇率收益率短记忆性与长记忆性特征的研究

采用Q检验,经典R/S分析法以及ARFIMA模型对人民币和欧元汇率收益率序列的记忆程度进行研究,结果表明人民币汇率收益率虽然不存在显著的短记忆性,但长记忆特征比较显著,而欧元汇率收益率虽然存在短记忆特征,但不存在显著地长记忆性,说明了欧元外汇市场的成熟和人民币外汇市场的低效,因此,对两种汇率收益率序列的拟合预测需建立不同的数学模型.     

不变权重与变权重组合预测方法的汇率预测研究

本文分别介绍了基于均方误差倒数方法的不变权重组合预测模型和基于Kalman滤波的变权重组合预测方法,并对人民币/美元的汇率进行了实证分析,结果表明后者在预测精度和拟合程度上优于前者。     

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。     

人民币汇率与中国入境旅游收入的联动分析 ——基于ARIMAX模型

汇率作为两国家间的价格转换指标,对入境旅游外汇收入有显著影响.基于1978～2019年面板数据,选取人民币汇率和入境旅游收入作为研究对象,借助Person相关系数、Granger因果检验、ARIMA模型、ARIMAX模型等方法,利用R语言编程,对入境旅游收入的趋势进行分析预测并比较两种模型的拟合效果.结果表明,相比于一...     

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.     

目标区域下汇率扩散模型的统计分析

将汇率目标区域下的扩散模型应用到我国,探讨人民币对美元的汇率满足的扩散方程.选择2种目标区域下的汇率扩散模型,并给出这2种模型的统计特征,为后面的参数估计和实证分析作准备.选用人民币对美元的汇率数据在2种模型下利用GMM方法进行参数估计和拟合.由于第2种模型估计出的人民币和美元的相关系数失真,得出第1种模型更适合我国的短期汇率市场.     

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。