不同期NDF数据和人民币汇率波动相关性研究.docVIP

不同期NDF数据和人民币汇率波动相关性研究 　　摘要：汇率预测是一个非线性问题，本文使用非线性自回归神经网络对人民币汇率进行预测，由于外部输入X（t）的选择与预测精度关系密切，本文使用NDF作为X（t），取得了良好的效果。市场中存在多种时间跨度的NDF，笔者对比了不同时间周期的NDF作为X（t）时的网络性能，得出了NDF时间跨度与预测精度相关性不大，在预测中都能达到很好的效果，并且NDF参与汇率预测是有效的结论。 　　关键词：人民币汇率；汇率预测；NDF；非线性自回归神经网络 　　中图分类号：F822.2文献标识码：A 　　文章编号：1000176X（2013 　　汇率预测作为汇率风险管理的基础和前提，是汇率风险管理工作的重要步骤之一。把握汇率，准确地进行汇率预测对于国家、涉外企业、金融机构以及每个公民都有着十分重要的意义。而预测中，参与预测的数据选取对预测精度起着决定性的作用。 　　一、NARX网络的汇率预测 　　递归神经网络是神经网络的一种，它的计算能力已经得到了广泛验证，而有外部输入的非线性自回归神经网络（Nonlinear Auto Regressive Neural Network with Exogenous Inputs，NARX神经网络）是一种递归神经网络，当没有外部输入X时，NARX神经网络就是普通的非线性自回归神经网络（NAR神经网络）。下文将NARX神经网络和NAR神经网络简称为NARX网络和NAR网络。神经网络的工作过程可以归纳为将数据输入神经网络，经过训练的神经网络进行计算，通过阈值函数将网络计算的结果通过结果神经元表达。利用NARX网络结构以及相应的权值修正算法，我们能够建立一个非线性自回归模型（Nonlinear Auto Regressive Models with Exogenous Inputs， NARX Models），它是一类重要的离线时间非线性系统，可以表示为：Y（t+1）=f[Y（t），Y（t-1），…，Y（t-ny+1），U（t），U（t-1），…，U（t-nu+1，W）]=f[Y（t），U（t），W]。其中，Y（t），U（t）表示网络在时间t的输入和输出，Y表示输入和输出的顺序，映射W是一个非线性函数[1]。当用一个多层神经网络来表达映射时，得到的网络就称为NARX网络。与其它递归网络不同，NARX网络的反馈仅仅来自输出层，不接受来自隐层的反馈。具有有限参数的NARX神经网络的计算能力已经在理论上得到了证实，虽然与传统的递归神经网络相比，NARX网络仅使用了输出层作为反馈值的来源，但使用NARX网络不会造成计算能力的下降。NARX网络在很多非线性系统建模工作中已经表现出了其适用性。而且，研究者们发现，与其它神经网络相比，NARX网络具有收敛更快、归一性更好的优点。 　　顾名思义，NARX网络中，需要有一个外部输入X，显而易见，外部输入X（t）与时间序列Y（t）的相关性越大，得到的预测值越准确。当X（t）为一个恒定的值（如零）时，此时的NARX网络可以视作没有外部输入的非线性自回归网络，即NAR网络。当我们尝试使用NARX网络对人民币汇率走势进行科学预测时，我们需要选择一个能够对预测有帮助的变量X加入NAR网络。由于金融市场是一个受政策、消息影响剧烈的市场，人工神经网络无法将这些数据量化地放入网络中，那么，有没有一个变量，能够代表政策的变化呢？近年来，离岸人民币无本金交割远期市场已经引起越来越多学者的关注，其也为汇率预测提供了一定的参考依据。 　　二、无本金交割远期外汇 　　无本金交割远期外汇（Non-Deliverable Forwards，NDF），是一种远期外汇交易的模式，也是一种衍生金融工具。主要是指客户与银行约定远期汇率及交易金额，并在未来指定到期日，就先前约定汇率与即期市场汇率之间形成的差价实际交割，而无需划付本金，故此，亦称为“无本金”交割[2]。结算的货币是自由兑换货币，一般为美元。本文所用均为NDF交易数据，统一简称为NDF数据。NDF可分为离岸NDF和在岸NDF。所谓离岸NDF是指使用某种国际上可自由兑换的货币进行交割的NDF，多为美元。大规模的在岸NDF市场在历史上则仅出现过一次， 而这唯一的一次在岸NDF市场应该说是世界上有记录的最早的NDF市场，于1973 年出现在澳大利亚。从全球看， NDF交易主要集中在离岸市场，类似澳大利亚的在岸NDF则相对少见。离岸NDF交易主要发生在中国香港、新加坡和伦敦等金融发达、管制较少的国际金融中心，都是采用美元进行交割的离岸NDF。韩元与人民币的离岸NDF交易主要发生于中国香港和新加坡，波兰的兹罗提离岸NDF交易主要发生于伦敦。因此，人们通常所说的NDF 都是离岸性质的NDF[3]