基于GARCH模型的人民币汇率走势预测.docVIP

PAGE PAGE 1 基于GARCH模型的人民币汇率走势预测 　　【摘要】自2005年7月人民币汇率改革以来，人民币持续升值，分析和预测汇率走势对制定金融政策和投融资决策具有重要意义。本文运用时间序列的GARCH模型，选取05年7月至12年9月的人民币兑美元的日汇率作为样本数据，在论证了GARCH模型预测可行性的基础上，预测分析了人民币汇率在2012年上半年的大致波动趋势，拟合效果较好。 　　【关键词】人民币汇率GARCH模型趋势预测 　　一、引言 　　近年来我国国际收支一直表现为双顺差，持续的国际收支双顺差产生了外币贬值和人民币升值的预期，人民币升值压力更是加大。自2005年7月21日起，我国进行汇率体制改革，汇率不再固定不变。人民币的持续升值不但使巨额的外汇储备大量缩水，而且人民币汇率的波动变化也足以影响国际金融、经济关系的发展，其影响几乎渗透到经济生活的各个方面。因此，正确分析和预测人民币汇率走势显得尤为重要。 　　国内学者对汇率波动的研究是采用ARIMA、ARCH还是GARCH模型一直存在着争论。张忠杰（2005）认为汇率变化情况符合ARIMA（2，4，5）模型。苏岩、杨振海（2007）认为汇率变化率的时序数据具有方差时变的特点，同时表现出“波动聚集，高峰厚尾，持久记忆”等现象，此时ARMA模型已不能较好地拟合而Engle（1982）提出的自回归条件异方差（ARCH）模型却能出色地拟合。惠晓峰（2005）等认为我国人民币兑美元的时间序列中存在GARCH效应，且GARCH（1，1）模型适用于人民币兑美元的建模，用其来预测短期汇率具有可行性。反观国外，对如何选取模型对汇率波动进行预测，经济学家们也在争论和研究。国外学者预测汇率时选择的方法有：博克斯-詹金斯提出的ARIMA模型，Engle.R（1983）和Kraft.D（1983）提出的自回归条件异方差（ARCH）模型，后来经Bollerslev，T（1986）修正并发展的GARCH模型等。 　　在综合比较国内外学者常用的预测方法的基础上，本文采用GARCH（1，1）模型对人民币汇率基本走势进行研究和分析，希望以此为人民币汇率走势的预测提供较为科学的依据，试看能否将预测应用到汇率风险管理以及套利中去。 　　二、GARCH模型的相关理论基础 　　本文采用的是GARCH（p，q）模型中的GARCH（1，1）模型，简单而实用。GARCH模型作为一种利用过去的变化和过去的方差来预测未来变化的建模方法，被广泛应用于金融研究领域，并且成为了研究和预测资产和货币收益波动性的常用工具。由上文可知，汇率的时间序列数据含有方差时变的特点，表现出“波动聚集，高峰厚尾，持久记忆”等现象。另外随着我国汇率改革的逐步深入，人民币名义汇率的波动十分频繁，与此同时，基本经济因素也在不断地变化者。若单纯采用传统结构模型来预测汇率，显然不能达到准确预测的目的。因此，GARCH（1，1）模型可以用来对人民币汇率进行建模和短期预测。 　　三、汇率走势预测 　　实证样本选取期间为2005年7月21日到2012年9月28日，共1752个日数据，数据来源于CSMARSolution（国泰安数据库），对数据的分析和处理统一使用Eviews6.0软件。 　　根据实证研究需要，将样本数据分割成样本内研究区间（2005年7月21日到2011年12月30日，共1570个日数据）与样本外预测区间（2012年1月4日到2012年9月28日，共182个日数据）两部分。本文以样本内研究期间的数据来估计预测模型的参数，以样本外期间的数据来检测模型的预测效果。 　　（一）模型的预检验 　　1.平稳性检验。作人民币汇率ER的时间序列图，可知，人民币兑美元汇率ER序列有明显下降趋势。接下来进行相应的单位根检验。 　　从上述的计算输出结果及图3可知，人民币汇率日收益率时间序列偏度为-5.2697183，表明该时间序列波动剧烈。与标准正态分布的偏度和峰度相比而言，人民币汇率日收益率时间序列呈现明显的尖峰厚尾的分布特征，且Jarque-Bera统计量也在95%的置信水平上拒绝了该序列是正态分布的假设。接下来进行相应的单位根检验。 　　在表2中，人民币汇率的收益序列的ADF检验结果是，ADF统计量均小于1%和5%显著程度下的临界值，拒绝原假设。因此可以确定人民币汇率序列ER是单整阶数为1的非平稳序列，即人民币汇率的收益序列Y是平稳的时间序列。 　　2.相关性检验。对人民币兑美元汇率收益序列Yt的自相关函数（ACF）和偏自相关函数（PACF）分析后可知，滞后20阶的自相关函数和偏自相关函数在95%的置信水平下，与0无显著性差 　　（二）模型参数估计 　　四、结论 　　本文通过研究和分析，论证了以GARCH模型预测人民币兑美元汇率具有可行性，建立