亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于ARIMA-GARCH模型的人民幣匯率波動(dòng)研究

        2024-06-14 16:36:13王藝柳
        中國(guó)商論 2024年11期
        關(guān)鍵詞:GARCH模型ARIMA模型人民幣匯率

        摘 要:人民幣正式加入SDR以來,人民幣匯率的波動(dòng)日益復(fù)雜,而匯率變動(dòng)特征的識(shí)別是預(yù)測(cè)人民幣匯率的關(guān)鍵環(huán)節(jié)。為提取出人民幣匯率波動(dòng)的特征規(guī)律,本文選擇對(duì)2016年10月10日—2020年10月10日的人民幣兌美元日序列建立模型并預(yù)測(cè)。同時(shí),本文為評(píng)價(jià)ARIMA-GARCH組合模型的預(yù)測(cè)效果,將其與ARIMA模型預(yù)測(cè)結(jié)果相互對(duì)比。結(jié)果顯示,ARIMA-GARCH模型不僅可以提取出人民幣匯率波動(dòng)的規(guī)律性,還可以改良ARIMA模型的預(yù)測(cè)精度,預(yù)測(cè)精度最高,在短期內(nèi)能夠得到較好的預(yù)測(cè)值。

        關(guān)鍵詞:人民幣匯率;ARIMA模型;GARCH模型;預(yù)測(cè)精度;SDR

        本文索引:王藝柳.<變量 2>[J].中國(guó)商論,2024(11):-012.

        中圖分類號(hào):F822 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2024)06(a)--04

        1 引言與文獻(xiàn)綜述

        1.1 研究背景及意義

        人民幣被納入SDR,意味著中國(guó)改革開放成果被國(guó)際認(rèn)可,也標(biāo)識(shí)著中國(guó)金融體系將融入國(guó)際經(jīng)濟(jì)和金融體系,是承擔(dān)新的責(zé)任和義務(wù)的起點(diǎn)。毫無疑問,將人民幣加入SDR彰顯了中國(guó)一系列改革措施的成功,使得人民幣滿足了被納入SDR的兩個(gè)重要條件,即人民幣出口貿(mào)易規(guī)模與自由使用,同時(shí)對(duì)世界具有巨大的意義和深遠(yuǎn)的影響。中國(guó)的對(duì)外貿(mào)易越來越重要,殷功利(2018)借助外生結(jié)構(gòu)突變的協(xié)整檢驗(yàn)和誤差修正模型,實(shí)證分析中國(guó)對(duì)外開放、要素稟賦結(jié)構(gòu)優(yōu)化與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)之間的關(guān)系。殷功利等(2020)通過研究得出,中國(guó)對(duì)外貿(mào)易規(guī)模、研發(fā)投入與技術(shù)創(chuàng)新之間長(zhǎng)期存在結(jié)構(gòu)突變,但是它們之間仍存在長(zhǎng)期均衡。

        人民幣被納入SDR,將從各個(gè)方面給匯率帶來影響。宏觀層面,人民幣加入SDR后,中國(guó)將加大金融市場(chǎng)的開放程度,人民幣兌換的限制將大幅降低,在國(guó)內(nèi)外交易的資本市場(chǎng)上,人民幣國(guó)際化進(jìn)程得到進(jìn)一步推動(dòng)。在匯率制度改革層面上,中國(guó)依然需要采取必要的干預(yù)措施,以將人民幣匯率的波動(dòng)控制在一定范圍內(nèi),從短期來看,人民幣被納入SDR后,國(guó)際市場(chǎng)上對(duì)中國(guó)貨幣的需求量顯著增長(zhǎng),同時(shí)伴隨不確定風(fēng)險(xiǎn)的增加。

        1.2 研究概況

        當(dāng)前,最有爭(zhēng)議的幾個(gè)預(yù)測(cè)模型是ARIMA模型、ARCH模型和GARCH模型等。冷松和田剛(2017)選擇向量自回歸模型對(duì)人民幣兌美元的匯率中間價(jià)匯率進(jìn)行波動(dòng)識(shí)別,基于平穩(wěn)性、協(xié)整性的檢驗(yàn)識(shí)別后,將模型的結(jié)果同ARIMA預(yù)測(cè)下的精度進(jìn)行對(duì)比分析,結(jié)果表明前者更具代表性和優(yōu)越性。伍楠林和龐博(2017)采用GARCH族模型對(duì)人民幣匯率收益率序列進(jìn)行擬合,并基于極值理論用獲得的殘差序列來評(píng)估風(fēng)險(xiǎn)值。楊甜婕和鄧富華(2019)、宮舒文(2015)等采用GARCH族模型識(shí)別序列的波動(dòng)規(guī)律特征。隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用,朱家明和胡玲燕(2019)、熊志斌(2011)結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)人民幣匯率進(jìn)行預(yù)測(cè)。劉姝伶等(2008)、孫少巖和孫文軒(2019)認(rèn)為,將ARIMA模型與GARCH模型相互結(jié)合起來對(duì)人民幣匯率進(jìn)行預(yù)測(cè),可以在識(shí)別匯率波動(dòng)特征的情況下更準(zhǔn)確地預(yù)測(cè)匯率趨勢(shì)。

        1.3 理論創(chuàng)新

        現(xiàn)有文章多基于一種模型對(duì)人民幣匯率進(jìn)行研究,本文借鑒和比較當(dāng)前學(xué)者的預(yù)測(cè)模型方法及結(jié)果,運(yùn)用由Box等創(chuàng)立的隨機(jī)時(shí)間序列ARIMA模型和由Engel引入后經(jīng)Bollerslev發(fā)展的廣義自回歸條件異方差模型的組合模型ARIMA-GARCH模型,并與ARIMA模型進(jìn)行對(duì)比,得出ARIMA-GARCH模型不僅可以提取出人民幣匯率波動(dòng)的規(guī)律性,還可以改良ARIMA模型的預(yù)測(cè)精度,預(yù)測(cè)精度最高,在短期內(nèi)能夠得到較好的預(yù)測(cè)值。

        2 理論基礎(chǔ)

        2.1 ARMIA模型

        ARIMA模型是將一個(gè)按時(shí)間推移所記錄的趨勢(shì)序列視為某種包含以往行為相關(guān)性的隨機(jī)序列,即在不考慮偶然因素沖擊的情況下,時(shí)間序列是一組僅隨時(shí)間t變動(dòng)的隨機(jī)性變量。模型的一般設(shè)定為ARIMA(p,d,q),其中d指代使序列滿足平穩(wěn)性的差分階數(shù),p與q分別指代模型中自回歸部分與移動(dòng)平均部分。當(dāng)實(shí)際數(shù)據(jù)依照月度或季度進(jìn)行記錄采集時(shí),可能體現(xiàn)出季節(jié)效應(yīng),此時(shí)應(yīng)該采用季節(jié)乘積模型SARIMA(p,d,q)(P,D,Q)s對(duì)季節(jié)性的趨勢(shì)序列進(jìn)行擬合與預(yù)測(cè)。其中,P、Q分別對(duì)應(yīng)季節(jié)性自回歸、移動(dòng)平均因子,而D對(duì)應(yīng)季節(jié)差分,S對(duì)應(yīng)季節(jié)性周期。

        一般而言,采用ARIMA進(jìn)行建模需要經(jīng)過以下四個(gè)主要步驟:首先,原始趨勢(shì)數(shù)據(jù)的平穩(wěn)性檢驗(yàn);其次,模型的識(shí)別,通過平穩(wěn)后數(shù)據(jù)的自相關(guān)、偏自相關(guān)圖像展示,決定參數(shù)p、q、P、Q的取值;根據(jù)實(shí)際參數(shù)識(shí)別經(jīng)驗(yàn),參數(shù)p、q、P、Q取到3以上更高階的情況很少見。因此,實(shí)際中可遍歷0~3階進(jìn)行建模,并采取BIC或AIC最小準(zhǔn)則,輔以殘差白噪聲檢驗(yàn)、系數(shù)的顯著性等全面地判斷,以選取最優(yōu)的擬合模型。再次,模型的參數(shù)估計(jì)。最后,對(duì)模型的檢驗(yàn)及優(yōu)化。

        2.2 GARCH模型

        GARCH是研究序列波動(dòng)性的有效手段,是ARCH模型在存在更高階情況下的推廣,當(dāng)ARCH(r)模型階數(shù)過高時(shí),需要擬合GARCH模型。對(duì)于序列{at},如果

        序列{at}是一個(gè)GARCH(r,s)序列(過程)。同ARCH模型相異的是,GARCH模型同時(shí)包含殘差平方與條件方差的線性表達(dá)式。因此,當(dāng)數(shù)據(jù)呈現(xiàn)出尖峰厚尾時(shí),應(yīng)采用GARCH模型對(duì)反映數(shù)據(jù)波動(dòng)的隨機(jī)擾動(dòng)項(xiàng)進(jìn)行信息提取,如本文采用的ARIMA(n,m)-GARCH(r,s)模型:

        該模型既刻畫了時(shí)間序列Xt平均值的趨勢(shì),又刻畫了其波動(dòng)性的趨勢(shì)。

        3 實(shí)證分析

        3.1 樣本數(shù)據(jù)的選取

        考慮到人民幣匯率在“8·11匯改”和“人民幣入籃”兩個(gè)節(jié)點(diǎn)波動(dòng)規(guī)律可能出現(xiàn)的不一致(孫少巖、孫文軒,2019),本文直接選取人民幣正式加入SDR后的匯率序列進(jìn)行分析,樣本區(qū)間為2016年10月10日—2020年10月10日。數(shù)據(jù)來源于國(guó)家外匯管理局,選擇SAS9.4處理數(shù)據(jù)。此外,為縮小波動(dòng)幅度,本文對(duì)序列進(jìn)行取對(duì)數(shù)處理,記為y。

        3.2 數(shù)據(jù)檢驗(yàn)

        3.2.1 數(shù)據(jù)統(tǒng)計(jì)特征分析

        根據(jù)美元兌人民幣匯率中間價(jià)對(duì)數(shù)序列y,作趨勢(shì)圖及基本統(tǒng)計(jì)分析。從y的時(shí)間序列圖可以看出,序列y有較明顯的時(shí)間趨勢(shì),2016年10月人民幣加入SDR后序列y有較大的波動(dòng)幅度,可以判斷為非平穩(wěn)序列。

        通過對(duì)數(shù)序列y的基本統(tǒng)計(jì)可知,人民幣匯率中間價(jià)對(duì)數(shù)序列y均值為1.9168,標(biāo)準(zhǔn)差為0.03228,偏度為-0.8633,呈現(xiàn)出略微左拖尾性。y的峰度為-0.0563377,遠(yuǎn)低于正態(tài)分布的峰度值3;t統(tǒng)計(jì)量為1811.80,相應(yīng)的P值在1%的統(tǒng)計(jì)水平上顯著。檢驗(yàn)統(tǒng)計(jì)量的結(jié)果顯示,在1%的統(tǒng)計(jì)水平上,認(rèn)為序列y的分布并不是正態(tài)的。

        3.2.2 平穩(wěn)性檢驗(yàn)

        對(duì)序列y繪制自相關(guān)圖,序列y的多階系數(shù)值超出兩倍標(biāo)準(zhǔn)差,標(biāo)志著明顯的長(zhǎng)期趨勢(shì)。因此,需要進(jìn)行一階差分得到dy,并繪制時(shí)序圖。同時(shí),做ADF單位根檢驗(yàn),結(jié)果在1%的統(tǒng)計(jì)水平上,人民幣匯率的對(duì)數(shù)收益率序列檢驗(yàn)通過,表明一階差分后的序列dy是平穩(wěn)的時(shí)間序列。

        3.2.3 白噪聲檢驗(yàn)

        文章通過白噪聲檢驗(yàn),判斷序列dy的純隨機(jī)性,假如檢驗(yàn)通過,則表明殘差中沒有用于建模的有用信息;假如檢驗(yàn)不能通過,即dy為非純隨機(jī)的,因此需要檢驗(yàn)序列dy的滯后相關(guān)性。本文采用LB檢驗(yàn)法,借助多個(gè)滯后階數(shù)下的假設(shè)檢驗(yàn),確定序列dy整體的相關(guān)性。對(duì)于滯后階數(shù)6、12、18,LB統(tǒng)計(jì)量的伴隨概率均小于1%,可知序列dy在以上三個(gè)滯后階數(shù)下均通過統(tǒng)計(jì)檢驗(yàn),即序列dy之間具有線性自相關(guān)性,因此拒絕原假設(shè),認(rèn)為dy不是白噪聲過程,可以采用ARIMA進(jìn)一步建模。

        3.3 ARIMA模型的建立

        3.3.1 模型識(shí)別

        本文用Box-Jenkins方法建模,依據(jù)序列dy的自相關(guān)、偏自相關(guān)圖綜合判斷關(guān)鍵參數(shù)p、q的取值。首先,從自相關(guān)圖進(jìn)行分析,在dy的滯后時(shí)期分別取1與3時(shí),對(duì)應(yīng)的系數(shù)值依次為0.09715、0.09609,在之后便逐步衰減到兩倍標(biāo)準(zhǔn)差內(nèi),因此可以判斷自相關(guān)系數(shù)具有拖尾特征。其次,從偏自相關(guān)圖來分析,能夠看出相應(yīng)的系數(shù)值具有3步截尾的性質(zhì),且只有滯后一期和滯后三期的偏自相關(guān)函數(shù)顯著大于兩倍標(biāo)準(zhǔn)差,可能存在?1與?3。對(duì)于序列dy,本文初步判斷應(yīng)建立AR(1,3)模型。

        3.3.2 模型定階

        文章根據(jù)AIC及BIC信息準(zhǔn)則進(jìn)行模型定階,統(tǒng)計(jì)量表達(dá)式如下:

        其中,d是模型的參數(shù)個(gè)數(shù);是估計(jì)的似然函數(shù);

        其中,n是樣本的個(gè)數(shù),其他同上。

        與AIC準(zhǔn)則相比,BIC準(zhǔn)則對(duì)模型參數(shù)考慮得更多,信息準(zhǔn)則所遵循的思想和原則是選擇統(tǒng)計(jì)量更小的模型?;赟AS 9.4輸出的最優(yōu)定價(jià)值,得到ARIMA(0,1,0)到ARIMA(3,1,3)共16個(gè)模型的BIC值結(jié)果。

        上述模型中,BIC值最小的為ARIMA(1,1,0)。而用序列y采用上述分析的ARIMA((1,3),1,0)模型得到的AIC和SBC分別為-8785.88、-8776.21,均小于ARIMA(1,1,0)模型的-8779.49與-8774.66,因此最終選擇ARIMA((1,3),1,0)模型。

        3.3.3 模型估計(jì)

        本文對(duì)模型ARIMA((1,3),1,0)參數(shù)進(jìn)行估計(jì)可知,AR(1)和AR(3)的系數(shù)估計(jì)值在1%的統(tǒng)計(jì)水平上均通過顯著性檢驗(yàn)。

        因此,最終確定ARIMA((1,3),1,0)模型作為本文的均值方程:

        3.4 ARIMA-GARCH模型的建立

        3.4.1 模型殘差的ARCH效應(yīng)檢驗(yàn)

        本文利用無條件最小二乘法估計(jì)ARIMA((1,3),1,0)模型,并獲得殘差序列。根據(jù)SAS 9.4得到ARIMA((1,3),1,0)模型殘差的時(shí)序圖,可以看到殘差序列圖中“聚群”現(xiàn)象非常明顯,同時(shí)殘差的波動(dòng)幅度在某段時(shí)間上很大,而在其他一些時(shí)段上變動(dòng)的幅度非常小,指示了模型的殘差序列極大可能具有條件異方差。

        為進(jìn)一步測(cè)試殘差是否具有條件異方差,本文采用LM檢驗(yàn)、Q檢驗(yàn)來判斷均值方程ARIMA((1,3),1,0)殘差序列的條件異方差特征,從1~12階統(tǒng)計(jì)量的伴隨概率都通過了1%的統(tǒng)計(jì)顯著檢驗(yàn),因此得到結(jié)論,即均值方程ARIMA((1,3),1,0)的殘差序列具有顯著的條件異方差性,可能存在高階的ARCH效應(yīng)。

        3.4.2 擬合GARCH模型

        上述結(jié)果顯示,均值模型的殘差序列可能存在高階的異方差性質(zhì),因此對(duì)序列dy擬合GARCH(1,1)模型及其他一些更高階的GARCH模型,依據(jù)AIC等最小的準(zhǔn)則,確定GARCH(r,s)模型的ARCH項(xiàng)階次r及GARCH項(xiàng)階次s的最優(yōu)值。結(jié)果顯示,當(dāng)r=1、s=2時(shí),ARIMA((1,3),1,0)- GARCH(1,2)模型的AIC值、SBC值最小。

        本文采用最大似然法估計(jì)ARIMA((1,3),1,0)- GARCH(1,2)的系數(shù)值。ARIMA(3,1,3)-GARCH(1,1)模型中,在10%的統(tǒng)計(jì)水平上,各系數(shù)均通過檢驗(yàn)。

        根據(jù)結(jié)果,最終確定估計(jì)模型:

        均值模型:;

        方差模型:,

        從方差模型AIC值與SBC值的結(jié)果來看,均在簡(jiǎn)單模型原有的-8785.88、-8776.21數(shù)值上進(jìn)一步減小為-8853.96和-8849.12,表明ARIMA((1,3),1,0)-GARCH(1,2)能夠更好地?cái)M合數(shù)據(jù)。此外,ARCH項(xiàng)、GARCH項(xiàng)的各系數(shù)值均大于0。同時(shí),它們的和0.1117+0.2390+0.5890=0.9397<1,表明模型具有穩(wěn)定性;而系數(shù)之和趨近于1,表示條件方差受到?jīng)_擊的影響是持續(xù)性的,也就是說,這種沖擊將持續(xù)性地影響對(duì)未來的預(yù)測(cè)。

        3.4.3 模型適應(yīng)性檢驗(yàn)

        本文利用估計(jì)的條件標(biāo)準(zhǔn)差序列,可以得到最終模型的殘差序列ηt。采用異方差性的LM檢驗(yàn)和Q檢驗(yàn),殘差平方序列η2t不存在自相關(guān)現(xiàn)象,表明對(duì)美元兌人民幣匯率序列擬合是適應(yīng)的,采用最終模型進(jìn)行外推預(yù)測(cè)。

        3.5 模型預(yù)測(cè)精度評(píng)價(jià)

        本文利用擬合的ARIMA((1,3),1,0)-GARCH(1,2)模型可以得到其條件方差的多期預(yù)測(cè),并將其與僅用ARIMA模型所預(yù)測(cè)的值進(jìn)行對(duì)比發(fā)現(xiàn),ARIMA((1,3),1,0)-GARCH(1,2)模型在較小范圍內(nèi)修正了預(yù)測(cè)誤差。此外,當(dāng)對(duì)美元兌人民幣匯率序列進(jìn)行多期預(yù)測(cè)時(shí),模型的預(yù)測(cè)精度均隨之下降,其中ARIMA收斂于1.94376。

        預(yù)測(cè)結(jié)果可以直觀地顯示,但為了更加精確地描述預(yù)測(cè)模型的效果,本文采用定量測(cè)量標(biāo)準(zhǔn)衡量預(yù)測(cè)精度,采取反映預(yù)測(cè)誤差的三個(gè)度量,即殘差均方(MSE)、絕對(duì)殘差平均(MAE)、絕對(duì)百分殘差平均(MAPE),利用模型的殘差序列分別計(jì)算精度度量值。

        整體而言,模型的MAPE都在1%以下取得了很高的預(yù)測(cè)精度,說明本文選取方法是有效的。

        4 結(jié)語

        4.1 結(jié)論

        人民幣匯率受到多方面的沖擊,其變化的波動(dòng)幅度將隨之增大,而簡(jiǎn)單的ARIMA模型難以準(zhǔn)確提取人民幣匯率的復(fù)雜波動(dòng)特征,為此本文借鑒既有文獻(xiàn),建立了組合形式的模型,以分析人民幣匯率走勢(shì)并識(shí)別波動(dòng)特性。同時(shí),將其與簡(jiǎn)單的ARIMA((1,3),1,0)進(jìn)行預(yù)測(cè)精度對(duì)比。本文通過實(shí)證分析與模型預(yù)測(cè)結(jié)果的評(píng)價(jià)分析發(fā)現(xiàn)以下結(jié)論:

        第一,在人民幣匯率序列的預(yù)測(cè)上,相比簡(jiǎn)單的ARIMA,采用組合的ARIMA((1,3),1,0)-GARCH(1,2)模型能夠取得更好的預(yù)測(cè)效果,在實(shí)際中具有一定的應(yīng)用價(jià)值,希望對(duì)人民幣的預(yù)測(cè)研究和穩(wěn)定匯率政策的制定提供幫助。

        第二,人民幣正式加入SDR后,美元兌人民幣序列本身呈現(xiàn)較高的自相關(guān)序列,同時(shí)在建立ARIMA((1,3),1,0)消除自相關(guān)性后發(fā)現(xiàn),其殘差還有較高階的異方差波動(dòng)。

        第三,本文建立的ARIMA((1,3),1,0)-GARCH(1,2)模型能夠識(shí)別出人民幣匯率序列的波動(dòng)聚集性特征,同時(shí)能夠利用識(shí)別的波動(dòng)信息提高預(yù)測(cè)精度。另外,ARIMA((1,3),1,0)-GARCH(1,2)模型在短期預(yù)測(cè)的準(zhǔn)確性更高,能夠較好地預(yù)測(cè)美元兌人民幣匯率,但從長(zhǎng)期來看,預(yù)測(cè)精度會(huì)隨著步數(shù)的增加而明顯下降。

        4.2 建議

        匯率是在一個(gè)國(guó)家或地區(qū)貨幣與另一個(gè)國(guó)家或地區(qū)貨幣之間進(jìn)行交換的比率。在經(jīng)濟(jì)發(fā)展過程中,匯率對(duì)經(jīng)濟(jì)發(fā)展的影響非常大。隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展,人民幣逐漸呈現(xiàn)出升值的趨勢(shì),人民幣匯率的升值又對(duì)我國(guó)經(jīng)濟(jì)轉(zhuǎn)型起到了非常重要的作用。因?yàn)槿嗣駧艆R率長(zhǎng)期升值會(huì)導(dǎo)致國(guó)內(nèi)投資成本上升、出口商品價(jià)格下降等問題,不利于國(guó)內(nèi)經(jīng)濟(jì)的穩(wěn)步發(fā)展。另外,我國(guó)需要對(duì)匯率的升值幅度進(jìn)行管理,避免匯率大幅度波動(dòng),所以研究匯率變動(dòng)對(duì)經(jīng)濟(jì)發(fā)展影響具有非常重要的意義。

        首先,央行可以通過公開市場(chǎng)操作等方式調(diào)節(jié)人民幣升值的幅度,避免人民幣快速升值對(duì)中國(guó)經(jīng)濟(jì)的短期沖擊,在中國(guó)經(jīng)濟(jì)轉(zhuǎn)向高質(zhì)量發(fā)展階段,貨幣政策應(yīng)將促進(jìn)經(jīng)濟(jì)發(fā)展的目標(biāo)放在首位,將人民幣升值控制在合理的范圍內(nèi),以促進(jìn)經(jīng)濟(jì)的高質(zhì)量發(fā)展。

        其次,推動(dòng)人民幣國(guó)際化。當(dāng)前,經(jīng)濟(jì)全球化發(fā)展,中國(guó)在經(jīng)濟(jì)全球化發(fā)展中的地位日益提高,但是與經(jīng)濟(jì)強(qiáng)國(guó)相比,我國(guó)在應(yīng)對(duì)全球金融危機(jī)中暴露出來的實(shí)力與抗風(fēng)險(xiǎn)能力仍然有較大差距。隨著國(guó)際貨幣體系改革和人民幣國(guó)際化進(jìn)程的推進(jìn),在當(dāng)前的全球金融危機(jī)沖擊下,人民幣國(guó)際化可以進(jìn)一步提高中國(guó)參與世界經(jīng)濟(jì)競(jìng)爭(zhēng)的抗風(fēng)險(xiǎn)能力,同時(shí)人民幣國(guó)際化有助于緩解國(guó)際市場(chǎng)帶來的匯率波動(dòng)對(duì)中國(guó)經(jīng)濟(jì)的不良影響。

        最后,我國(guó)要完善健全金融體系,一個(gè)成熟的金融市場(chǎng)體系是防范金融風(fēng)險(xiǎn)與匯率健康發(fā)展的保證,一個(gè)健全的金融市場(chǎng)體系也是我國(guó)防范和化解金融風(fēng)險(xiǎn)最好的途徑,完善的金融市場(chǎng)體系也需要有嚴(yán)格監(jiān)管措施的配合。

        參考文獻(xiàn)

        冷松,田剛.人民幣匯率、利率對(duì)股市的沖擊: 基于時(shí)變參數(shù)向量自回歸模型的實(shí)證[J].金融與經(jīng)濟(jì),2017(3):69-72+57.

        伍楠林,龐博.人民幣匯率風(fēng)險(xiǎn)測(cè)度研究[J].學(xué)術(shù)交流,2017(8): 131-134.

        楊甜婕,鄧富華.基于GARCH模型的人民幣匯率形成機(jī)制研究[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào),2019(6):113-120+160.

        宮舒文.基于GARCH族模型的人民幣匯率波動(dòng)性分析[J].統(tǒng)計(jì)與決策,2015(12):159-161.

        朱家明,胡玲燕.基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)對(duì)人民幣匯率預(yù)測(cè)的比較分析: 以美元人民幣匯率為例[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),2019,33(5):207-212.

        熊志斌.ARIMA融合神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測(cè)模型研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2011,28(6):64-76.

        孫少巖,孫文軒.加入SDR后人民幣匯率波動(dòng)規(guī)律研究: 基于ARIMA-GARCH模型的實(shí)證分析[J].經(jīng)濟(jì)問題,2019(2):42-47.

        殷功利,江凡.中國(guó)對(duì)外貿(mào)易規(guī)模、研發(fā)投入與技術(shù)創(chuàng)新[J].江西社會(huì)科學(xué),2020(11):80-87.

        殷功利.中國(guó)對(duì)外開放、要素稟賦結(jié)構(gòu)優(yōu)化與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)[J].江西社會(huì)科學(xué),2018(10):110-114.

        猜你喜歡
        GARCH模型ARIMA模型人民幣匯率
        基于時(shí)間序列模型的中國(guó)出口總額分析及預(yù)測(cè)
        基于R軟件的金融時(shí)間序列的預(yù)測(cè)分析
        基于Eviews上證綜合指數(shù)預(yù)測(cè)
        人民幣匯率波動(dòng)對(duì)我國(guó)國(guó)際貿(mào)易的傳導(dǎo)效應(yīng)分析
        銅期貨市場(chǎng)風(fēng)險(xiǎn)變異性實(shí)證研究
        人民幣匯率波動(dòng)對(duì)中國(guó)國(guó)際收支的影響研究
        人民幣匯率變化對(duì)股市產(chǎn)生的影響分析
        人民幣匯率變動(dòng)對(duì)吉林省農(nóng)產(chǎn)品出口的影響
        基于HP濾波和Garch模型的股票價(jià)格波動(dòng)研究
        商(2016年27期)2016-10-17 06:23:52
        基于ARIMA模型的滬銅期貨價(jià)格預(yù)測(cè)研究
        商(2016年27期)2016-10-17 06:06:02
        国产三级黄色片子看曰逼大片 | 伊人精品在线观看| 日本一区二区不卡超清在线播放| av在线入口一区二区| 真实国产乱子伦精品视频| 97se亚洲国产综合自在线 | 日韩精品视频在线一二三| 日本一二三区免费在线 | 国产在线无码制服丝袜无码| 男性一插就想射是因为啥| 偷窥偷拍一区二区三区| 极品少妇xxxx精品少妇偷拍| 在线观看免费人成视频色9| 亚洲欧美日韩国产精品网| 亚洲av一区二区在线| 少妇被粗大的猛进出69影院 | 少妇免费av一区二区三区久久| 久久精品国产精品| 国产美女在线一区二区三区| 一个人的视频免费播放在线观看| 白嫩人妻少妇偷人精品| 亚洲精品无码久久久久久| 国产成人精品曰本亚洲| 一道本加勒比在线观看| 日韩欧美aⅴ综合网站发布| 97久久超碰国产精品2021| 丝袜 亚洲 另类 欧美| 国产精品亚洲精品国产| 久久不见久久见中文字幕免费 | 无遮挡很爽视频在线观看| 久久亚洲中文字幕乱码| 无码乱人伦一区二区亚洲一| 精品国产高清一区二区广区| 翘臀诱惑中文字幕人妻| 久久精品国产99国产精品亚洲| 国产无遮挡a片又黄又爽| 人妻少妇中文字幕久久69堂| 国产91久久麻豆黄片| 亚洲午夜无码av毛片久久| 国内成人精品亚洲日本语音| 日本乱熟人妻中文字幕乱码69|