网站地图 | 设为首页 | 关于我们《现代商业》杂志社-官方网站在线投稿平台
 金融视线
基于GARCH-ELMAN模型的人民币汇率预测
发布时间:2022-05-29 点击: 发布:《现代商业》杂志社
鲁媛媛
 中国地质大学(武汉)财务与资产管理部  湖北武汉 430074

 
摘要:随着经济全球化的日益深入,人民币汇率的变动不仅影响着中国经济,对世界主要经济体影响也举足轻重。采用2010年1月1日~2021年11月30日美元兑人民币汇率序列为研究对象,引入ELMAN神经网络方法,并结合经典计量经济学方法,构建多种时间序列模型和神经网络模型及二者组合模型进行实证分析,并以均方误差MSE作为模型预测精度的评价准则,发现将序列分解为线性部分和非线性部分的模型精确度明显较高,且EGARCH-ELMAN模型对序列的预测最准确,且绝对预测精度也达到较高的水平,这对美元兑人民币汇率预测具有重要的借鉴意义,进而对国家稳定外汇市场和防范短期大规模资金流动带来的潜在金融风险具有重大实践意义。
关键词:人民币汇率;EGARCH-ELMAN模型;组合预测
中图分类号:F832.5  
基金支持:国家自然科学基金(71974001);教育部人文社会科学研究项目(19YJCZH069)。
期数:2022(13)
页码:56-60
页数:5





参考文献:
[1]Aguilar J,Nydahl S,2000,Central bank intervention and exchange rates:the case of Sweden [J].Journal of International Financial Markets Institutions & Money.
[2]Vee D C,Gonpot P N,Sookia N,2011,Forecasting Volatility of USD/MUR Exchange Rate using a GARCH (1,1) model with GED and Student’s-t errors [J]. University of Mauritius Research Journal, 2011.
[3]惠晓峰,柳鸿生,胡伟,何丹青:基于时间序列GARCH模型的人民币汇率预测[J].金融研究,2003(05):99-105.
[4]苏岩,杨振海:GARCH(1,1)模型及其在汇率条件波动预测中的应用[J].数理统计与管理,2007(04):615-620.
[5] Gupta J N D,Sexton R S,1999,Comparing backpropagation with a genetic algorithm for neural network training [J].Omega.
[6] Panda C,Narasimhan V,2007,Forecasting exchange rate better with artificial neural network [J].Journal of Policy Modeling.
[7] Tseng F M,Yu H C,Tzeng G H,2002,Combining neural network model with seasonal time series ARIMA model [J].Technological Forecasting & Social Change.
[8] Yu L,Wang S,Lai K,2005,A novel nonlinear ensemble forecasting model incorporating GLAR and ANN for foreign exchange rates [J].Computers & Operations Research.
[9]熊志斌.ARIMA 融合神经网络的人民币汇率预测模型研究[J].数量经济技术经济研究,2011(06):64-76.