一种新变权重组合预测方法在汇率中应用.docVIP

一种新的变权重组合预测方法在汇率中的应用 　　摘要：本文介绍了一种基于Kalman滤波的变权重组合预测方法，并对人民币/美元的汇率进行了实证分析，结果表明该方法在预测精度和拟合程度上优于传统的单项预测方法。 　　关键词：汇率 组合预测 变权重 Kalman滤波 　　 　　1 概述 　　自1994年人民币汇率体制改革后，我国建立了以外汇供求为基础的，单一的有管理浮动汇率制度。在外汇管理当局实施稳定人民币汇率政策时，这一汇率制度变成了实质上盯住美元的汇率制度。然而随着我国改革开放不断深入发展，汇率决定机制必然会走向市场化。2005年7月21日，中国人民银行宣布了改变人民币汇率形成机制的公告，我国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[1]。我国汇率的频繁、剧烈的波动给金融机构和跨国企业带来了巨大风险，促使人们高度重视对外汇风险的研究，对汇率走势判断的研究也成为相关领域专家学者的研究重点[2]。本文分别采用了单项预测方法中的ARIMA模型和基于Kalman滤波的变权重组合预测模型进行汇率预测，实证表明后者在预测精度和拟合度都优于前者。 　　2 单项预测方法ARIMA模型 　　汇率预测的国内外研究现状中，传统的汇率模型预测方法一般分为两类[3]：一类称为基础因素分析法，另一类称为技术分析法。时间序列分析方法中的单项预测法属于后者，是预测方法的新研究方向。近年来，许多研究者利用ARIMA模型对汇率做了一系列的研究[4]。 　　单整序列能够通过d次差分将非平稳序列转化为平稳时间序列。设wt是d阶单整序列，即Wt-I(d)，则 　　 （1） 　　yt为平稳序列，即yt-I(0)，于是可以对yt建立ARIMA(p，q)模型 　　 （2） 　　其中，d、p、q分别是差分阶数、自回归阶数和滑动平均阶数；yt是经过d阶差分后的时间序列值；εt-q是时间为t的随机扰动项；αp，βq分别是对应项前的系数。 　　用滞后算子表示，则 　　经过d阶差分变换后的ARMA(p，q)模型称为ARIMA(p，d，q)模型。 　　3 变权重组合预测方法 　　变权重组合预测方法比单项预测预测方法更科学。因为组合的目的就是要综合利用各种方法所提供的信息，根据每一单项预测方法的“时好时坏”性，反映在权重上的“时大时小”，也即变权重组合预测方法。 　　本文根据外文文献，线性不变权重组合预测模型的表达式为 　　 （4） 　　其中ω0为截距项，截距项的赋值可以调节预测的误差，ω为权重向量，t+1为当前时刻的预测值，ωt+1为随即扰动项。假设组合预测中的权重是常数，则可以利用最小二乘法OLS估计出截距项和权重的值。 　　在（4）式中引入时间变量t，便可获得线性变权重组合预测模型 　　 ，（5） 　　根据（Harvey，1999；Hamilton，1994）提出的理论和文献，可将线性变权重组合预测模型转化为状态空间模型，即观测方程 　　 （6） 　　其中T表示样本长度，Zt+1，表示k×m矩阵，ut+1表示k×1向量，是均值为0，协方差矩阵为Ht的连续的不相关扰动项，即 　　 （7） 　　一般地，at的元素是不可观测的，可表示成一阶马尔可夫（Markov）过程。下面定义状态方程 　　 （8） 　　其中T表示样本长度，αt为状态变量，表示m×1矩阵，Tt表示 m×m矩阵，Ct表示m×1向量，Rt表示m×g矩阵，εt表示g×1向量，是均值为0，协方差矩阵为Qt的连续的不相关扰动项，即 　　 （9） 　　若使上述的状态空间模型成立，还需要满足下面两个假定 　　①初始状态向量α0的值为a0，协方差矩阵为p0，即 　　 （10） 　　②在所有的时间区间上，扰动项ut和εt相互独立，而且它们和初始状态α0也不相关，即 　　 （11） 　　且 　　 （12） 　　观测方程中的矩阵Zt，dt，Ht与状态方程中的矩阵Tt，ct，Rt,Qt统称为系统矩阵。如果不特殊指出，它们都被假定为非随机的。因此，尽管它们能随时间改变，但是都是可以预先确定的。对任一时刻t，yt能够被表示为当前的和过去的ut和εt及初始向量α0的线性组合，所以模型是线性的。 　　4 结论 　　本文采用了ARIMA模型和基于Kalman滤波的变权重组合预测模型分别对2010年12月1日至2011年4月29日共100天人民币/美元的日汇率波动率进行预测。根据分析结果，可以得出以下结论： 　　①采用ARIMA模型用于预测人民币兑换美元的波动率，准确度不高，拟合波动率的走势偏离程度较大，效果不理想，其主要原因是：我国人民币/美元数据典型的尖峰后尾特征是的样本方差增大，所以正态分布难以拟合时间序列分布的厚尾性特征，基于正态分布的汇率