人民币汇率高频数据非线性模型表现：预测比较.pdfVIP

第2010年第2期 商 业 经 济 No．2，2010 (总第343期) SHANGYEJINGJI T0talN0．343 文【章编号】1009-6043(2010)02—0024—02 人民币汇率高频数据 非线性模型表现：预测比较 王 熙 ，赵 晓波 (1．公安部沈阳消防研究所，辽宁 沈阳 110034；2．辽宁大学 经济学院，辽宁 沈阳 110036) 摘【 要】使用线性 自回归(AR)与非线性 自我激励阈值 自回归(SETAR)~型对人民币，美元汇率高频数据进行建模和 bootstrap预测，并依实证分析可知，人民币名义汇率高频数据的变化具有显著的非线性动态特征。这不仅可以从SETAR模型 估计过程中的线性测试结果(Reset检验滑 到证实。且全样本数据拟合的研究结果也表明，非线性模型比线性模型能更好地描 述数据中的大的波动。因此，人民币名：Lit-率高频数据具有非线性动态行为特征 ，且SETAR模型能够描述其运动走势。 [关键词】AR模型；SETAR模；Reset检验 ’ 【中图分类号】F224．0 文【献标识码】B 2O世纪9O年代末以来，非线性时间序列模型的研究 时间序列模型，一个之后步长为k的线性 自回归模型简 日益增多。非线性模型主要分为混沌论模型(chaosmode1) k 记为ARk()，其表达式为：yl= +∑P(+8。其中,Yt为被 和状态转换模型(switchingregimemodels)两种，常见 的状态 i= I 转换模型主要有：f-j限自回归模型(ThresholdAutoregres— 解释变量；s为误差项，一般假设其服从均值为O、方差 sionmodel，TAR)，马尔可夫状态转换模型(MarkovSwitchin— 为 8。的独立同分布过程； 和 p‘均为常系数。 gRegimemodel，MSR)和平滑转换 自回归模型(SmoothTransi— (二)门限 自回归模型 tionAutoregressionmodel，STAR)，它们刻画了各种不 同形式 门限 自回归模型(ThresholdAutoregressionmodel，TAR) 的状态转换行为。国外许多学者如 Sarantis(1999)、Sarno 属于非线性自回归模型。Tong和Lim指出，门限方法是将 f2o0o)、McMilla和Speight(2001)等采用这些非线性模型研 复杂的随机系统分解为一系列较小的子系统，以便对其进 究汇率的行为特征，结果表明非线性模型可以准确地描 行分析。TAR模型假定状态变量是已知的并且可观测，这 述汇率走势的特征。在国内，徐国希基于非线性对数门限 是它同马尔科夫转换模型的重要区别。门限自回归模型的 自回归模型(LSTAR)对我国人民币实际汇率进行了实证 一 般形式为： 研究，得出人民币实际汇率对购买力平价的偏离具有均 j ． T，i ． xt= ∑II。(0o+艺牵 “+o)，l≤Zt--d≤lj 值回复特性 ，而这种均值回复的调整行为服从非线性 J 1 、 i= l LSTAR模型；刘潭秋采用了不同的线性和非线性时间序 这里，I是第 J种机制的指示性函数，当基础变量处 列模型进行研究，结果表明，非线性的白激发 门限自回归 于状态j时，其值为 1，其余状态下为0。zn-．．a为可观测变量， (SETAR)模型和平滑转换自回归(STAR)~型对人 民币月度 它决定了转换点的位置。 回是零均值、独立同分布的误差 实际汇率历史数据有很好的拟合效果。赵晓波和王熙对