魏紅燕+++孟純軍

摘 要 研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率平均值進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

關(guān)鍵詞 匯率； GARCH模型； 匯率預(yù)測(cè)

中圖分類號(hào) F822 文獻(xiàn)標(biāo)識(shí)碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預(yù)測(cè)的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡(luò)、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關(guān)于人民幣匯率決定模型的實(shí)證分析；戴曉楓，肖慶憲[2]（2005）的時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場(chǎng)A股的回報(bào)率與人民幣匯率的關(guān)系；吳躍明[4]（2010）基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究；Molodtsova T，Papel DH等[5]（2008）對(duì)兩國(guó)實(shí)時(shí)匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測(cè)研究等等.

本文研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型[7]，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計(jì)分析

本文研究選取的數(shù)據(jù)是金融危機(jī)后2010年7月1日至2013年11月30日美元兌換人民幣的176個(gè)周平均數(shù)據(jù)，根據(jù)實(shí)證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個(gè)周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來(lái)估計(jì)預(yù)測(cè)模型的參數(shù)；余下22個(gè)數(shù)據(jù)作為樣本外預(yù)測(cè)區(qū)間，用來(lái)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果.數(shù)據(jù)來(lái)源于國(guó)家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預(yù)測(cè)值與實(shí)際值之間的誤差較小，除個(gè)別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說(shuō)明模型對(duì)未來(lái)匯率的預(yù)測(cè)準(zhǔn)確度是比較高的.

從圖4中可看出，該模型能對(duì)匯率大體走勢(shì)進(jìn)行預(yù)測(cè)，但預(yù)測(cè)精度仍略顯不足，較實(shí)際觀察值有不同程度的偏差，對(duì)匯率的波動(dòng)反應(yīng)呈現(xiàn)出一期滯后的情況.這符合實(shí)際情況，現(xiàn)實(shí)生活中，人們也經(jīng)常通過(guò)當(dāng)前的匯率值來(lái)預(yù)測(cè)未來(lái)匯率的變化.

4 結(jié) 論

本文首先通過(guò)ARCH檢驗(yàn)論證了GARCH模型在預(yù)測(cè)中美匯率的可行性，即時(shí)間序列存在異方差性和自相關(guān)性，進(jìn)而建立了GARCH（1，1）模型，并運(yùn)用模型對(duì)匯率進(jìn)行預(yù)測(cè).根據(jù)Eviews提供的預(yù)

測(cè)評(píng)價(jià)指標(biāo)[10]，模型的預(yù)測(cè)在趨勢(shì)上比較成功，基本上反映了人民幣升值的趨勢(shì)；從預(yù)測(cè)擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時(shí)間序列，在預(yù)測(cè)短期匯率上具有一定的實(shí)用性.

參考文獻(xiàn)

[1] 魏巍賢.人民幣匯率決定模型的實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究[J]. 上海理工大學(xué)學(xué)報(bào)，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報(bào)率與匯率的關(guān)系——基于中國(guó)的實(shí)證[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運(yùn)明.人民幣匯率預(yù)測(cè)的實(shí)證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學(xué)王亞南經(jīng)濟(jì)研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預(yù)測(cè)[J].重慶工商大學(xué)學(xué)報(bào)，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實(shí)證分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M]. 北京：中國(guó)人民大學(xué)出版社，2008：186-200.endprint

摘 要 研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率平均值進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

關(guān)鍵詞 匯率； GARCH模型； 匯率預(yù)測(cè)

中圖分類號(hào) F822 文獻(xiàn)標(biāo)識(shí)碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預(yù)測(cè)的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡(luò)、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關(guān)于人民幣匯率決定模型的實(shí)證分析；戴曉楓，肖慶憲[2]（2005）的時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場(chǎng)A股的回報(bào)率與人民幣匯率的關(guān)系；吳躍明[4]（2010）基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究；Molodtsova T，Papel DH等[5]（2008）對(duì)兩國(guó)實(shí)時(shí)匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測(cè)研究等等.

本文研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型[7]，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計(jì)分析

本文研究選取的數(shù)據(jù)是金融危機(jī)后2010年7月1日至2013年11月30日美元兌換人民幣的176個(gè)周平均數(shù)據(jù)，根據(jù)實(shí)證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個(gè)周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來(lái)估計(jì)預(yù)測(cè)模型的參數(shù)；余下22個(gè)數(shù)據(jù)作為樣本外預(yù)測(cè)區(qū)間，用來(lái)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果.數(shù)據(jù)來(lái)源于國(guó)家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預(yù)測(cè)值與實(shí)際值之間的誤差較小，除個(gè)別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說(shuō)明模型對(duì)未來(lái)匯率的預(yù)測(cè)準(zhǔn)確度是比較高的.

從圖4中可看出，該模型能對(duì)匯率大體走勢(shì)進(jìn)行預(yù)測(cè)，但預(yù)測(cè)精度仍略顯不足，較實(shí)際觀察值有不同程度的偏差，對(duì)匯率的波動(dòng)反應(yīng)呈現(xiàn)出一期滯后的情況.這符合實(shí)際情況，現(xiàn)實(shí)生活中，人們也經(jīng)常通過(guò)當(dāng)前的匯率值來(lái)預(yù)測(cè)未來(lái)匯率的變化.

4 結(jié) 論

本文首先通過(guò)ARCH檢驗(yàn)論證了GARCH模型在預(yù)測(cè)中美匯率的可行性，即時(shí)間序列存在異方差性和自相關(guān)性，進(jìn)而建立了GARCH（1，1）模型，并運(yùn)用模型對(duì)匯率進(jìn)行預(yù)測(cè).根據(jù)Eviews提供的預(yù)

測(cè)評(píng)價(jià)指標(biāo)[10]，模型的預(yù)測(cè)在趨勢(shì)上比較成功，基本上反映了人民幣升值的趨勢(shì)；從預(yù)測(cè)擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時(shí)間序列，在預(yù)測(cè)短期匯率上具有一定的實(shí)用性.

參考文獻(xiàn)

[1] 魏巍賢.人民幣匯率決定模型的實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究[J]. 上海理工大學(xué)學(xué)報(bào)，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報(bào)率與匯率的關(guān)系——基于中國(guó)的實(shí)證[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運(yùn)明.人民幣匯率預(yù)測(cè)的實(shí)證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學(xué)王亞南經(jīng)濟(jì)研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預(yù)測(cè)[J].重慶工商大學(xué)學(xué)報(bào)，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實(shí)證分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M]. 北京：中國(guó)人民大學(xué)出版社，2008：186-200.endprint

摘 要 研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率平均值進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

關(guān)鍵詞 匯率； GARCH模型； 匯率預(yù)測(cè)

中圖分類號(hào) F822 文獻(xiàn)標(biāo)識(shí)碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預(yù)測(cè)的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡(luò)、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關(guān)于人民幣匯率決定模型的實(shí)證分析；戴曉楓，肖慶憲[2]（2005）的時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場(chǎng)A股的回報(bào)率與人民幣匯率的關(guān)系；吳躍明[4]（2010）基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究；Molodtsova T，Papel DH等[5]（2008）對(duì)兩國(guó)實(shí)時(shí)匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測(cè)研究等等.

本文研究人民幣對(duì)美元的匯率預(yù)測(cè)，通過(guò)對(duì)2010年7月1日至2013年11月30的周匯率進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時(shí)間序列分析中的GARCH模型[7]，因此采用該模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果比較成功。預(yù)測(cè)表明人民幣呈現(xiàn)升值的趨勢(shì).

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計(jì)分析

本文研究選取的數(shù)據(jù)是金融危機(jī)后2010年7月1日至2013年11月30日美元兌換人民幣的176個(gè)周平均數(shù)據(jù)，根據(jù)實(shí)證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個(gè)周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來(lái)估計(jì)預(yù)測(cè)模型的參數(shù)；余下22個(gè)數(shù)據(jù)作為樣本外預(yù)測(cè)區(qū)間，用來(lái)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果.數(shù)據(jù)來(lái)源于國(guó)家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預(yù)測(cè)值與實(shí)際值之間的誤差較小，除個(gè)別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說(shuō)明模型對(duì)未來(lái)匯率的預(yù)測(cè)準(zhǔn)確度是比較高的.

從圖4中可看出，該模型能對(duì)匯率大體走勢(shì)進(jìn)行預(yù)測(cè)，但預(yù)測(cè)精度仍略顯不足，較實(shí)際觀察值有不同程度的偏差，對(duì)匯率的波動(dòng)反應(yīng)呈現(xiàn)出一期滯后的情況.這符合實(shí)際情況，現(xiàn)實(shí)生活中，人們也經(jīng)常通過(guò)當(dāng)前的匯率值來(lái)預(yù)測(cè)未來(lái)匯率的變化.

4 結(jié) 論

本文首先通過(guò)ARCH檢驗(yàn)論證了GARCH模型在預(yù)測(cè)中美匯率的可行性，即時(shí)間序列存在異方差性和自相關(guān)性，進(jìn)而建立了GARCH（1，1）模型，并運(yùn)用模型對(duì)匯率進(jìn)行預(yù)測(cè).根據(jù)Eviews提供的預(yù)

測(cè)評(píng)價(jià)指標(biāo)[10]，模型的預(yù)測(cè)在趨勢(shì)上比較成功，基本上反映了人民幣升值的趨勢(shì)；從預(yù)測(cè)擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時(shí)間序列，在預(yù)測(cè)短期匯率上具有一定的實(shí)用性.

參考文獻(xiàn)

[1] 魏巍賢.人民幣匯率決定模型的實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時(shí)間序列分析方法及人民幣匯率預(yù)測(cè)的應(yīng)用研究[J]. 上海理工大學(xué)學(xué)報(bào)，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報(bào)率與匯率的關(guān)系——基于中國(guó)的實(shí)證[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對(duì)人民幣匯率波動(dòng)的研究[J].經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運(yùn)明.人民幣匯率預(yù)測(cè)的實(shí)證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學(xué)王亞南經(jīng)濟(jì)研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預(yù)測(cè)[J].重慶工商大學(xué)學(xué)報(bào)，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實(shí)證分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M]. 北京：中國(guó)人民大學(xué)出版社，2008：186-200.endprint