基于ＡＲＭＡ模型的人民币汇率预测研究.docVIP

基于ARMA模型的人民币汇率预测研先 内容摘要：本文参照“一篮子”货币准则，在假定基 准汇率维持稳定的条件下，通过使用ARMA模型对篮子中欧 元和日元汇率的预测，从而实现对人民币对美元汇率的预 测。加强人民币汇率变动的风险意识，以期对经济活动有 现实意义和参考价值。 关键词：一篮子货币准则ARMA汇率 我国于XX年7月宣布对人民币汇率形成机制进行改革， 放弃盯住单一美元，开始实行以市场供求为基础的，参考 一篮子货币进行调节的、有管理的浮动汇率制度，以形成 更富弹性的人民币汇率机制。在盯住一篮子货币的汇率制 度下，选取货币篮子中的币种，给篮子中的各种货币赋予 一定的权重，使本国货币的汇率根据篮子中各货币的汇率 变动而加权变动，可以实现本国货币加权平均的稳定汇 率。参照一篮子货币准则，在假定基准汇率维持稳定的条 件下，通过对篮子中其他货币汇率的预测从而实现对人民 币对美元汇率的预测。这样的预测对我国的商业经济活动 具有重要的参考价值。 人民币汇率预测模型的建立和求解 在统计年鉴上找出了 XX年1至9月的我国的前三位贸 易伙伴国，分别为欧盟、美国、日本。因此货币篮子中的 货币确定为欧元、美元、日元。我国进出口的贸易约80%是 由美元结算的，因此将美元、欧元和日元的权重设为：80%、 10%、10%。 基于以上分析，本文以s表示人民币对美元的汇率，r 表示人民币对日元的汇率，o表示人民币对欧元的汇率，A 为基准汇率，人民币汇率记为： A=（l-wl-w2）m +wlr+w2o 在中国人民银行网站选取XX年1月1日至XX年6月 11日欧元、日元的日度汇率数据。由于对日度数据预测周 期太短，不具有实际意义。把搜集到的日度数据以10天为 一个分隔，依次以每十日的汇率数据进行加权平均，以每 十天作为一个研究周期。根据搜集来的数据可以对数据划 分为10 5个周期。 （一）欧元、日元汇率序列的平稳性检验 构建ARM A模型前，首先对序列进行平稳性检验，非平 稳的随机序列会造成“伪回归”的现象，即使变量之间互 不相关，回归仍能产生很好的统计结果（较高的t统计值 和决定系数）。因此，对经济变量的时间序列进行回归分析 前，首先要进行单位根检验，以判断序列的平稳性。 在Eviews使用ADF检验对欧元汇率序列进行平稳性检 验，结果如表1所示。因为ADF=-，分别大于不同检验水平 的三个临界值，欧元序列是一个非平稳序列，为使欧元序 列平稳化，考虑对其进行一阶差分。此时，ADF=-,分别小 于不同检验水平的三个临界值，所以欧元序列的一阶差分 序列是一个平稳序列。 用同样的方法发现日元汇率序列不是一个平稳序列， 但日元汇率的一阶差分序列是一个平稳序列。 （二）欧元、日元的协整检验 协整关系描述了经济的长期均衡关系。它描述了两个 或多个非平稳时间序列的均衡关系，虽然每个时间序列的 矩，如方差或协方差等随时间变化，但这些序列的某种组 合的矩具有时不变的特征。 从以上ADF检验结果可知，欧元与日元汇率序列同为1 阶平稳序列，下面通过协整检验，看两者是否存在长期稳 定的均衡关系。协整检验结果如表2所示。 分析表2的检验结果，以检验水平判断，因为似然比 统计量的值小于临界值，所以接受原假设，即欧元、日元 汇率间不存在长期均衡关系，这说明欧元、日元汇率相对 独立，不会相互影响。（三）欧元、日元汇率序列ARM A（p, q）模型的建立 根据赤池信息准则和在Eviews软件中不断的尝试，寻 求最合适的ARMA模型来拟合欧元汇率趋势变动情况。如表 3所示。t统计量表明各项系数均在5%水平下显著，所以， 可用yt= e t -1预测欧元汇率未来的趋势值。根据该模型预 测出欧元汇率在未来一个月（三个周期）的汇率走势分别 为：，，。 用同样的步骤来建立日元汇率的ARM A模型。可用 yt=-et-l预测日元汇率未来的趋势值。根据该模型预测出 日元汇率在未来一个月（三个周期）的汇率走势分别 为：，，O （四）人民币对美元汇率的预测 人民币基准汇率是由中国人民银行根据前一日银行间 外汇市场上形成的美元对人民币的加权平均价，公布当日 主要交易货币（如美元、日元和欧元等）对人民币交易的基 准汇率。根据人民币保持中心汇率不变的要求，根据XX年 5月的外汇牌价，计算出A=，假设几个月之内人民币汇率维 持此一篮子货币基准汇率不变。根据公式： A=（l-wl_w2）m+wl r+w2o 把上面对欧元和日元的汇率预测的三个周期值代入， 最后算出在一篮子货币的准则下未来一个月（三个周期） 人民币对美元的汇率为：，，。即XX年6月12日至6月21日 人民币对美元的汇率预测平均值为，6月22日至7月1日 的预测平均值为，7月2日至7月11日预测平均值为。 结论 时间序列ARMA预测法是趋势预测中常用的一种