汇率弹性化下人民币汇率波动预测分析.docVIP

汇率弹性化下人民币汇率波动预测分析 　　摘要：本文选取影响人民币汇率波动的有关结构变量，分别通过线性MA模型和基于遗传算法改进的GABP神经网络模型，对人民币汇率波动进行模拟和预测。通过比较发现，汇率缺乏弹性时期，逐月MA模型的历史拟合和样本外预测效果最优；随着汇率改革的不断推进和汇率弹性化的增强，GABP神经网络模型在汇率波动的模拟和预测方面均有最优表现，故汇率波动预测模型应随汇率弹性及其波动特性不同因时制宜。同时结果表明，汇率弹性化能够加深汇率波动及其结构变量间的均衡关系，利率市场化改革应与汇率市场化改革协调推进。 　　关键词：汇率弹性化；汇率波动；神经网络 　　中图分类号：F830.7 文献标识码：A 文章编号：1674-2265（2013）04-0008-06 　　一、文献综述 　　随着经济全球化的不断推进和国际资本流动的日益加剧，汇率对于投资者选择正确的投资策略、企业规避和防范外汇风险以及中央银行有效干预外汇市场和制定正确的货币政策，都有着非常重要的影响。因此，关于汇率的行为描述和预测问题研究一直是国内外理论界关注的焦点。 　　关于汇率波动的预测，一般从“汇率波动缘于经济系统基本因素所致”（易纲、范敏，1997）出发，进而基于对汇率的理性预期等假设前提对汇率决定进行探讨。相关的理论有购买力平价理论、利率平价理论、国际收支说等，并基于此，在汇率与影响汇率的经济因素之间建立线性模型，再利用计量等工具对模型进行检验、矫正。常用的方法有最小二乘法、协整方法等。易纲、范敏（1997）对人民币汇率决定的诸多理论作了详尽分析，他们认为，均衡的市场利率和货币的完全可兑换这两个前提条件在中国不成立，从而利率平价在中国解释能力不强，这与王爱俭等（2003）的结论一致。但他们同时指出，随着中国向人民币完全可兑换和资本自由流动的方向不断迈进，利率平价的解释和预测能力会越来越强。魏巍贤（1998）在其1997年研究成果中的人民币汇率决定模型的基础上，采用月度数据构建了人民币短期汇率预测模型，结果表明模型具有较好的模拟和预测性能以及结构稳定性。他进一步的研究（2000）结果表明，1994年以来汇率稳定主要归因于央行的干预、适度从紧的货币政策、高速的经济增长以及对外债余额与通货膨胀的有效控制。惠晓峰等（1999）对购买力平价和货币理论进行修正，采用线性组合预测汇率，结果显示组合模型比单个模型更加稳定。相关的文献还可见于郑兰祥（2000）、张道政（2005）等。 　　另一种汇率预测的思路便是传统的时间序列模型，常用的有ARMA模型（帕尔马和陈，1997）、随机游走模型（哈基奥，1986）和GARCH簇模型（波勒斯列夫等，1991；恩格尔等，1997）。惠晓峰等（2003）论证了GARCH模型预测人民币汇率时序的可行性，发现人民币汇率存在明显的异方差性。韦斯特等（West等，1995）通过以上几个模型对汇率预测效果的对比发现，GARCH模型预测效果最佳，尤其是短期预测；ARMA模型预测效果次之。霍伯（Hopper，1997）和布鲁克斯（Brooks，1997）的研究结论也表明，GARCH等时序模型能有效预测汇率波动。 　　然而大量的研究发现，市场的收益率并非呈现标准正态分布，反而呈明显尖峰厚尾现象。同时，诸多文献进一步证实汇率波动呈现簇聚现象、长记忆性等显著的非线性特征（波勒斯列夫等，1991；恩格尔等，1997；杨瑞成等，2010）。可见，非线性特征存在于汇率波动已是不争的事实（米斯等，1990），而神经网络是预测汇率非线性波动的良好选择（关等，1995）。 　　神经网络方法在汇率波动预测的应用研究已有诸多文献可考。迪博尔德等（Diebold等，1990）研究认为，非线性方法在汇率波动预测中对于汇率值以及趋势的预测都有更优表现。鲁芬斯等（Refense等，1993）也认为神经网络方法对汇率预测要比传统线性预测方法好很多。劳舍尔（Rauscher，l997）在验证了汇率与经济各变量间的长期均衡关系后，采用各经济变量作为BP网络的输入，对汇率的波动作了动态预测，结果表明BP网络在汇率的波动尤其是其波动趋势上的预测要优于ARMA、VEC等线性模型。惠晓峰等（2002）针对传统BP网络的缺陷，结合遗传算法与递归预测方法提出基于实数编码的GABP网络预测模型，并在人民币兑美元汇率时序的实证检验中得出良好的结果。王熙等（2010）通过对人民币名义汇率高频时序波动率的研究，验证了其非线性动态行为表征，同时指出，非线性模型能比线性模型更好地描述汇率时序中大的波动。 　　可见，国内外文献主要根据相关理论和模型对汇率自身或者汇率收益的波动率进行预测和比较分析，而较少从汇率收益率的角度探讨汇率波动区间和波动趋势以及汇率弹性化下汇率波动预测模型