ARIMA融合神经网络的人民币汇率预测模型研究.pdfVIP

· 64 · 《数量经济技术经济研究》2011年第 6期 ARIMA融合神经 网络的人 民币 汇率预测模 型研 究① 熊 志 斌 (华南师范大学数学科学学院) 【摘要】本文在深入分析了单整 自回归移动平均 (ARIMA)模型与神经网络 (NN)模型特点的基础上，建立 了ARIMA融合NN的人民币汇率时间序列预测模 型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势，即将汇 率时间序列的数据结构分解为线性 自相关主体和非线性残差两部分，首先用 ARI— MA模型预测序列的线性主体 ，然后用NN模型对其非线性残差进行估计，最终合 成为整个序列的预测结果。通过对三种人 民币汇率序列的仿真实验表明，融合模型 的预测准确率显著高于包括随机游走模型在 内的单一模型的预测准确率，从而证实 了融合模型用于汇率预测的有效性。这一结果也表明，人民币汇率市场并不符合有 效市场假设 ，可以通过模型对汇率未来走势做 出较准确预测。 关键词 单整 自回归移动平均 神经网络 融合模型 汇率预测 中图分类号 F224．9 文献标识码 A Research on RM B ExchangeRateForecastingM odel BasedonCombiningARIM A with NeuralNetworks Abstract：Basedonanalysisoftheautoregressiveintegratedmovingaverage (ARIMA)andneuralnetworks(NN)models，thispaperpresentsanensembleap— proach toRMBexchangeratetimeseriesforecastingwhichcombiningARIMA with NN．TheRMBexchangeratetimeseriesareconsideredtobecomposedofalinear autocorrelationstructureandnonlinearstructure．ARIMA iSusedtomodeltheline— arcomponentofexchangeratetimeseriesandtheNN modelisappliedtothenon— linearresidualscomponentprediction．TheresultsofRMB exchangerateforecasting show thattheproposedmodel，which integratestheuniquestrengthofthetwo modelsin linearandnonlinearmodeling，hasthemoreforecastingaccuracythan thatofsinglemodel(includingrandom walkmode1) ．Itprovidesevidenceagainst theefficientmarkethypothesisandsuggeststhatthereexistsapossibilityofpredic— tingitintothefuture． Keywords：ARIMA；NeuralNetworks；IntegratedM odel；ExchangeRate Forecasting ① 资助项 目：广东省哲社科 “十一五”规划项 目 (项 目号：090—18)。 ARIMA融合神经网络的人 民币汇率预测模型研究 ·65 · 一 、 相关文献评述 近二十年来，我国汇率制度几经调整，特别是 自2005年 7月 21日，我国央行宣布开始 实行以市场供求为基础、参考 “一篮子”货币进行调节、有管理的浮动汇率制度 ，使得汇率 制度改革朝着市场化方向迈出了关键一步。2008年8月，为了应对金融危机，我国采取了 临时性的盯住美元的汇率政策