基于互联网搜索指数的多因素集成下 人民币汇率预测.PDFVIP

第32 卷第3 期 系统工 程 学 报 Vol.32 No.3 2017 年6 月 JOURNAL OF SYSTEMS ENGINEERING Jun. 2017 基于互联网搜索指数的多因素集成下 人民币汇率预测 王 轩 , 杨海珍 (1. 中国工商银行博士后工作站, 北京100140; 2. 中国科学院大学经济与管理学院, 北京100190) 摘要: 针对人民币短期汇率预测问题, 构建了基于互联网大数据信息的互联网搜索指数, 改进了人民币汇率短期预 测CAR 模型. 首先, 基于涵盖丰富信息的互联网大数据, 构建了反映大众关于汇率波动观点、情绪及预期的互联网 搜索指数, 并运用热最优路径(TOP)方法、去趋势交叉相关分析(DCCA)方法对指数的有效性进行了检验, 结果表明 该指数可以有效地表征出大众情绪和预期的变化. 进一步地, 利用所编制的互联网搜索指数对人民币汇率的短期 预测模型进行改进, 构建了融合互联网搜索指数的CAR 模型. 实证结果表明, 融合互联网搜索指数的人民币汇率 短期CAR 预测模型可以有效提升短期汇率的预测精度. 关键词: 汇率预测; 互联网搜索指数; 互联网大数据; 人民币汇率 中图分类号: TP273 文献标识码: A 文章编号:2017 doi: 10.13383/ki.jse.2017.03.007 Research on the forecasting of RMB exchange rate based on multi factor integration and web-searching index Wang Xuan , Yang Haizhen (1. Postdoctoral workstation, Industrial and Commercial Bank of China, Beijing 100140, China; 2. School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190, China) Abstract: This paper improves the exchange rate prediction model by integrating the web-searching index based on internet big data. First, this paper builds a web-searching index which includes the investor’s expec- tations and emotions. The TOP and DCCA methods are employed to test the validity of the index, and it is shown that the index can measure the investor’s expectations and emotions effectively. Then, a CAR model is established by incorporating the web-searching index. The results indicate that the improved CAR model