下载

0下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 简论汇率汇率弹性化下人民币汇率波动预测党校毕业论文范文

简论汇率汇率弹性化下人民币汇率波动预测党校毕业论文范文.doc

简论汇率汇率弹性化下人民币汇率波动预测党校毕业论文范文

用户lgxkm7v5oi
2014-01-16 0人阅读 举报 0 0 0 暂无简介

简介:本文档为《简论汇率汇率弹性化下人民币汇率波动预测党校毕业论文范文doc》,可适用于社会民生领域

简论汇率汇率弹性化下人民币汇率波动预测党校毕业论文范文这方面论文最好找这枪手帮写Q      摘要:本文选取影响人民币汇率波动的有关结构变量分别通过线性MA模型和基于遗传算法改进的GABP神经网络模型对人民币汇率波动进行模拟和预测。通过比较发现汇率缺乏弹性时期逐月MA模型的历史拟合和样本外预测效果最优随着汇率改革的不断推进和汇率弹性化的增强GABP神经网络模型在汇率波动的模拟和预测方面均有最优表现故汇率波动预测模型应随汇率弹性及其波动特性不同因时制宜。同时结果表明汇率弹性化能够加深汇率波动及其结构变量间的均衡关系利率市场化改革应与汇率市场化改革协调推进。  关键词:汇率弹性化汇率波动神经网络  ()  一、文献综述  随着经济全球化的不断推进和国际资本流动的日益加剧汇率对于投资者选择正确的投资策略、企业规避和防范外汇风险以及中央银行有效干预外汇市场和制定正确的货币政策都有着非常重要的影响。因此关于汇率的行为描述和预测问题研究一直是国内外理论界关注的焦点。  关于汇率波动的预测一般从“汇率波动缘于经济系统基本因素所致”(易纲、范敏)出发进而基于对汇率的理性预期等假设前提对汇率决定进行探讨。相关的理论有购买力平价理论、利率平价理论、国际收支说等并基于此在汇率与影响汇率的经济因素之间建立线性模型再利用计量等工具对模型进行检验、矫正。常用的方法有最小二乘法、协整方法等。易纲、范敏()对人民币汇率决定的诸多理论作了详尽分析他们认为均衡的市场利率和货币的完全可兑换这两个前提条件在中国不成立从而利率平价在中国解释能力不强这与王爱俭等()的结论一致。但他们同时指出随着中国向人民币完全可兑换和资本自由流动的方向不断迈进利率平价的解释和预测能力会越来越强。魏巍贤()在其年研究成果中的人民币汇率决定模型的基础上采用月度数据构建了人民币短期汇率预测模型结果表明模型具有较好的模拟和预测性能以及结构稳定性。他进一步的研究()结果表明年以来汇率稳定主要归因于央行的干预、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。惠晓峰等()对购买力平价和货币理论进行修正采用线性组合预测汇率结果显示组合模型比单个模型更加稳定。相关的文献还可见于郑兰祥()、张道政()等。  另一种汇率预测的思路便是传统的时间序列模型常用的有ARMA模型(帕尔马和陈)、随机游走模型(哈基奥)和GARCH簇模型(波勒斯列夫等恩格尔等)。惠晓峰等()论证了GARCH模型预测人民币汇率时序的可行性发现人民币汇率存在明显的异方差性。韦斯特等(West等)通过以上几个模型对汇率预测效果的对比发现GARCH模型预测效果最佳尤其是短期预测ARMA模型预测效果次之。霍伯(Hopper)和布鲁克斯(Brooks)的研究结论也表明GARCH等时序模型能有效预测汇率波动。  然而大量的研究发现市场的收益率并非呈现标准正态分布反而呈明显尖峰厚尾现象。同时诸多文献进一步证实汇率波动呈现簇聚现象、长记忆性等显著的非线性特征(波勒斯列夫等恩格尔等杨瑞成等)。可见非线性特征存在于汇率波动已是不争的事实(米斯等)而神经网络是预测汇率非线性波动的良好选择(关等)。  神经网络方法在汇率波动预测的应用研究已有诸多文献可考。迪博尔德等(Diebold等)研究认为非线性方法在汇率波动预测中对于汇率值以及趋势的预测都有更优表现。鲁芬斯等(Refense等)也认为神经网络方法对汇率预测要比传统线性预测方法好很多。劳舍尔(Rauscherl)在验证了汇率与经济各变量间的长期均衡关系后采用各经济变量作为BP网络的输入对汇率的波动摘自:毕业论文任务书作了动态预测结果表明BP网络在汇率的波动尤其是其波动趋势上的预测要优于ARMA、VEC等线性模型。惠晓峰等()针对传统BP网络的缺陷结合遗传算法与递归预测方法提出基于实数编码的GABP网络预测模型并。    在人民币兑美元汇率时序的实证检验中得出良好的结果。王熙等()通过对人民币名义汇率高频时序波动率的研究验证了其非线性动态行为表征同时指出非线性模型能比线性模型更好地描述汇率时序中大的波动。  可见国内外文献主要根据相关理论和模型对汇率自身或者汇率收益的波动率进行预测和比较分析而较少从汇率收益率的角度探讨汇率波动区间和波动趋势以及汇率弹性化下汇率波动预测模型的选择问题而这正是本文要重点解决的问题。因此本文选取年月至年月的月度数据综合采用线性MA模型和非线性神经网络模型对汇率波动进行预测比较探讨汇率弹性化下人民币汇率的波动预测问题借以捕捉汇率波动趋势并基于此给出相应的结论与建议。  二、变量说明与模型选择  根据黄志刚等()的分析本文选择VOL(汇率波动)、CF(短期跨境资本流动)、ERI(汇率干预)、RIR(实际利率)个经济变量来解释汇率的波动同时加入股市收益及汇率波动滞后项作为汇率波动的预测解释变量。各变量说明如下。  (一)变量与数据说明  VOL:汇率波动。关于汇率波动的预测本文主要探讨汇率的收益率即波动幅度。黄志刚等()将其定义为:  rt=mptmptmpt×  其中mpt表示直接标价法下当月每日即期汇率的平均值mpt表示前一个月每日即期汇率的平均值。这是百分比法定义的收益率。然而因对数收益率有更好的统计特性如具有简单的可加性能在一定程度上消除或降低自相关等线性依赖性等(杨瑞成等)因而对金融时序分析而言对数收益率比百分比收益率更为适用(雷强等)。故本文采用汇率价格的对数收益率来表示人民币兑美元汇率波动定义如下:      VOLt=Ln(PtPt)×  其中Pt表示第t月人民币兑美元汇率中间价的月度均值乘以是为了提高精度数据来源于中国人民银行网站。  CF:短期国际资本流动。关于短期跨境资本流动(CapitalFlow记为CF)的度量本文沿用黄志刚()的设定方式即:  短期跨境资本流动=外商直接投资增加额外债增加额经常项目顺差额外汇储备增加额  其中各变量均采用月度数据。不同的是本文中的外债增加额是将外债净额季度数据通过一阶差分得到的季度增加额用Eviews软件转换为月度数据得来而不是直接把差分所得的季度增加额当作每个月的值(这会高估外债增加额)。经常项目顺差仍采用进出口顺差的月度数据近似表示。数据来源于国家商务部网站和国家外管局网站。  ERI:汇率干预。为研究政府干预对汇率波动的影响本文根据干杏娣等()和黄志刚等()的研究结论同样选取外汇储备月度变化量代表政府对汇率波动的干预(ExchangeRateInterference记为ERI)。数据来源于国家外管局网站。  RIR:实际利率。根据利率平价、购买力平价等国际金融理论可知利率的变化会通过不同途径和不同方式引起国际收支的变化进而引起汇率变动同时也能通过资本流动和商品市场对汇市波动产生直接或间接的影响。国外大量研究表明利率价格变化对汇率波动有显著影响并且汇市与货币市场间存在双向波动溢出效应这些特征在成熟市场国家表现更为突出。随着我国汇率弹性的逐渐增加二者间的联动性进一步增强央行调控政策效果不仅取决于利率或汇率变动还取决于二者间的联动性。  因此本文沿用实际利率(记为RIR)代表宏观经济形势的变化。数据采用全国银行间同业拆借市场利率的月度加权均值并通过月度通胀率进行调整而得数据来源于中国人民银行网站、国家统计局网站和《中国金融统计年鉴》。  SHZ:上证指数收益。大量研究文献认为股市对汇率波动也有很大影响。自世纪年代以来国内外学者就已对股市与汇市的关系作了丰富研究许多学者分别从宏观和微观角度分析得出股市与汇市间存在较强联系的结论但不同国家间传导关系有别。也有部分研究指出二者间并不存在长期关联性(菲力巴提斯等奥赛尔姚等)但大部分学者倾向于认为金融自由化会加强两者间的联系(王新军等)。因此。    最优回归方程不尽相同故对相应时期波动预测应根据不同时段作动态的模型调整。因此本文考虑以年为分界点对不同时期的汇率波动采取逐月预测的方式并同时使用全时段的预测方式作比较分析。预测模型如下:    其中ma的项数根据具体情况选择。全时段预测模型根据前个月数据得出最优模为研究股市与汇市间的关系并比较分析不同汇制下二者间的关系本文也把该变量考虑在内同时将滞后一期汇率波动的影响VOL()项也考虑到汇率波动预测中。  鉴于两次汇改(分别是年月日和年月日央行进行的两次汇率改革)以及金融危机(即年月次贷危机引发的全球金融危机)的影响本文将研究数据划分为个阶段:年月年月(M源于:论文集M)年月年月(MM)年月年月(MM)年月年月(MM)对以上变量间的关系进行分阶段检验。  (二)平稳性检验  由表可知各变量在不同时段呈现出不同性质。其中第一、四阶段结果较一致第二、三阶段结果较一致。以第二、三阶段为例原序列VOL、CF、ERI、RIR均不能拒绝存在单位根的原假设而经过一阶差分后则都为平稳序列。因此VOL、CF、ERI、RIR在第二、三阶段都为一阶单整序列。而SHZ收益序列则是平稳时序。显然第一、四阶段各变量间并不满足协整检验前提故只针对第二、三阶段作进一步协整检验。  (三)协整检验  协整可用以描述变量间的长期稳定关系。鉴于数据量的缘故本文综合VAR模型检验结果以及黄志刚等()的研究确定第二、三阶段相应变量检验最佳滞后阶数均为结果如表所示。可知两阶段各变量间均存在显著的长期均衡关系。  由式()()可知无论哪个阶段政府干预对汇率波动始终呈显著负效应而滞后一期汇率波动则对当期汇率波动有显著正向影响这也说明了汇率波动的趋势性特征。比较不同阶段回归方程的系数正负可以发现年汇改后的第二、三阶段回归结果一致性较强而年前的第一阶段与年后第四阶段的回归结果相近度较高既反映了不同阶段变量间内在联系的变化也从侧面反映出不同阶段金融市场、宏观经济及调控政策等整体环境的不同。如第二、三阶段短期资本流动与汇率波动呈显著正相关股市与汇市波动有显著正联动性实际利率与汇率波动显著负相关反映了该时期汇率制度弹性不断增大金融市场、宏观经济及调控政策等整体环境变化不大。但在汇改之前与金融危机阶段上述自变量与汇率波动变量的回归系数方向恰好相反这与吴(WU)的研究结论一致说明该二阶段汇率缺乏弹性或存在较多的政府干预和资本管制等。  由变量显著性也可发现汇率与利率关联性在年汇改之后有显著提升这说明随着汇率弹性明显增强汇率对利率的反应也逐步灵敏汇率改革逐步回归市场(陈镜冰等)。第一、四阶段结果表明二者间存在正向关系货币市场变动加剧了汇市波动。而且此二阶段人民币兑美元汇率波动幅度较小限制了货币市场与外汇市场间的信息传导(赵华)桎梏了我国货币政策的传导效率进而也说明了汇率的非市场化会阻碍利率的市场化进程。  同时也可看出MA过程能够较好地拟合汇率的波动模型但个阶段的最优回归方程不尽相同故对相应时期波动预测应根据不同时段作动态的模型调整。因此本文考虑以年为分界点对不同时期的汇率波动采取逐月预测的方式并同时使用全时段的预测方式作比较分析。预测模型如下:      VOL=CαCFαERIαRIRαSHZαVOL()βma()…βnma(n)()  其中ma的项数根据具体情况选择。全时段预测模型根据前个月数据得出最优模型进而预测后个月数据逐月预测则分两段分别以个月和个月历史窗口值作滚动预测即每预测一个月的数值就对模型进行调整根据拟合优度、AIC准则、变量显著性和模型稳健性等选取最优预测模型。  (五)神经网络预测模型介绍  汇率波动预测具有不确定性时间序列及回归模型是最常用的预测方式其根据汇率变量与相关经济变量的关系构建多元回归模型作预测但要求有较大样本量。然而诸多学者的研究结果认为神经网络模型能够有更优的汇率预测表现而其中BP神经网络就是目前应用最为广泛的一种网络模型。BP网络能通。    一页下一页过比较网络输出结果的误差反复修正权值和阀值逐步缩小误差提高预测精度即“误差逆传播算法”。随着这种误差逆传播修正不断进行网络对输入响应的准确率不断上升。  由于传统BP网络预测存在收敛慢、振荡、容易陷入局部极小点、权值偏大以及不稳定摘自:本科毕业论文模板等问题(周永进等)许多学者对BP网络算法作了改进如MFBP、MBP、动态自适应BP快速算法以及人工智能算法如遗传算法、模拟退火算法等与BP网络结合的组合神经网络模型等。其中遗传算法(GeneticAlgorithmsGA)是使用较广泛也较优的选择(金)。GA算法是一种全局寻优搜索算法它能通过群体实现搜索过程且易于并行化能够提高算法的效率。本文采用GA算法对BP神经网络的连接权进行优化(伍海华)。先用GA算法对初始权值进行优化定出权值取值范围然后采用BP算法在以上的解空间中搜索最优解再根据网络的不断训练与迭代直至达到最优权值进而进行BP网络预测。  国内外学者的研究成果已经表明用GA算法改进的BP网络的预测效果和收敛速度要明显优于一般BP网络算法(魏巍贤等王建成等郑志军等)。因此本文选择GABP神经网络算法进行预测并与前文MA模型预测效果作比较探讨汇率弹性化下不同模型对汇率波动预测的解释力。  三、汇率弹性化下人民币汇率波动预测模型的比较分析  (一)预测方式  本文分别采用以下四种方式对人民币兑美元汇率波动进行样本内拟合与样本外预测。  MAQD全时段预测:采用个月的历史数据对后续个月数据作预测并对历史数据进行模拟。  MAZY逐月预测:根据汇率弹性的不同对MM时段和MM时段分别采用个月和个月的周期窗口进行滚动逐月预测。  GABP网络预测:采用遗传算法改进的BP神经网络方法对汇率波动进行样本外预测和样本内模拟。  由图可见MA逐月和GABP网络预测的效果均优于全时段MA预测效果。逐月预测的汇率波动与实际波动趋势较吻合而全时段预测值倾向于低估实际汇率波动。用GABP网络得出的预测值与实际值较接近。当然这只是直观的认知对于各模型的实际预测效果还需根据相关评价指标予以比较。  (二)模型性能评价  由于神经网络无法用计量经济学中常用的拟合优度、置信度、显著性等检验指标为与MA多元回归模型结果作比较本文综合采用以下几个常用指标来评价各模型预测效果。  平均绝对误差(MAE):MAE=Ni=N|volfivoli|  均方误差(MSE):MSE=Ni=N(volfivoli)  平均绝对百分误差(MAPE):  MAPE=Ni=N|volfivolivoli|  均方根误差(RMSE):RMSE=Ni=N(volfivoli)  其中voli与volfi分别表示汇率波动的实际值和预测值。对于各模型而言以上个数值越小说明模型预测值越接近于实际值因而模型的预测效果也就越佳。  MA模型、一般BP网络和GABP神经网络模型的预测结果如表所示。  同时对最后个月共同预测期的汇率波动预测值作图如图所示。  综合表和图我们可以发现MA模型对于历史数据的拟合效果要相对优于BP神经网络模型逐月MA模型预测结果优于全时段MA模型。就全时段MA模型而言其对历史数据模拟的绝对偏差均很小而对样本外数据的预测效果却不佳逐月MA模型则不但能达到很好的历史拟合同时其样本外预测效果也较好无论是绝对误差还是均方误差皆远小于全时段MA预测效果。从图中也可以发现逐月MA预测时序和汇率实际波动趋势较吻合而全时段MA则明显低估汇率实际波动。这些都再次证明了逐月预测的优越性。  分阶段比较可以发现MA模型适合于汇率波动趋势变化较小时期的预测而BP神经网络模型对汇率波动较大时期的预测更具有良好表现。年汇改之前逐月MA模型无论是样本内模拟还是样本外预测都是三种方式中最优的该时段汇率缺乏弹性正好体现了MA线性模型对于稳定趋势预测的良好性能。而随着汇率波动程度的增强以近个月。    融危机的影响。  综上可知年汇改之前即汇率缺乏弹性时期逐月MA模型的历史拟合和样本外预测效果最优随着汇改的深入汇率弹性逐步增强GABP神经网络模型无论是在汇率波动的数值上还是波动趋势方向上的预测均有最优表现。同时利用非线性神经网络模型的预测在汇率弹性较大时期能够有比线性MA模型更优的预测效果即能的预测效果而言GABP神经网络预测无论是在汇率波动数值还是波动趋势方向上都有着更优良的表现。同时也可发现年间的预测值偏差均较大这也从侧面反映了金融危机的影响。  综上可知年汇改之前即汇率缺乏弹性时期逐月MA模型的历史拟合和样本外预测效果最优随着汇改的深入汇率弹性逐步增强GABP神经网络模型无论是在汇率波动的数值上还是波动趋势方向上的预测均有最优表现。同时利用非线性神经网络模型的预测在汇率弹性较大时期能够有比线性MA模型更优的预测效果即能更好地捕捉实际汇率的波动。可见对于汇率波动的预测不但应选择合适的变量同时在汇率弹性的不同时期也应当选取合适的汇率波动预测模型。论文下载中心。

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

评分:

/14

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利