原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
?
?
基于GARCH族模型的人民币汇率波动性分析
?
?
许佳
[摘要]人民币汇率波动特征的分析是国内外经济金融界的一个热点问题，在2015年关联储加息的强大压力下，人民币不断升值，通过对美元兑人民币汇率数据的统计特征分析与模型建立深度解析汇率走势状况，选取2019-2016年1698个美元兑人民币汇率每日中间价数据，以ARMA模型建立均值方程模型，结合GARCH模型族中的GARCH模型、TGARCH模型、EGARCH模型和GARCH-M模型对汇率的对数收益率数据进行数据分析及模型拟合，通过对模型系数显著性、AIC和BIC准则以及模型本身要求等各方面的筛选最终选用GARCH-M（1，1）作为最优拟合模型，并发现美元兑人民币汇率具有集群性、非对称性和杠杆效应等特征。
[关键词]人民币汇率GARCH族模型ARMA模型
1选题背景
自2005年7月21日起，我国开始实行以外汇市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度，形成了更富弹性的人民币汇率机制。在富有弹性的浮动汇率制下，汇率的波动幅度大，变化突然，波动频繁，其变动会对经济领域产生广泛的影响。在2016年，在美联储加息的强大压力下，人民币贬值的幅度也特别大，在2016年12月，两度传出人民币对美元汇率“破7”的传言，根据各个金融数据终端，我们可以看到汇率最高上升至6.98。在现如今开放的大背景下，汇率的走势与一国宏观经济息息相关，因此，了解汇率的变动趋势及特征并对汇率变化进行准确预测对我国宏观经济研究意义更加重要。
2模型介绍
在金融市场中，金融数据往往会出现方差随着时间波动而不断变化，即条件异方差性，这种情况需要对条件异方差进行预处理才能够更加精确地解决汇率、利率和价格等问题的模型拟合结果分析。经济学家Engle于1982年提出自回归条件异方差（ARCH）模型，其后其学生Bollerslev于1986年将ARCH模型扩展为广义自回归条件异方差（GARCH）模型。根据金融时间序列特性，后人逐步研究出具有针对性的时间序列模型，如GARCH-M模型、EGARCH模型等。这些模型逐渐成为金融领域数据分析及波动性研究不可缺少的重要方法。
3实证分析
3.1数据来源
本文采用2010年1月4日至2016年12月30日美元对人民币每日中间价这1698个数据作为研究数据，数据来源于choice金融终端，本文对数据的处理主要通过STATA软件进行。首先，我们数据进行单位根检验，发现数据并不是平稳的，且存在单位根，在研究汇率日收益率过程中，我们使用对数差分法对源数据进行进一步分析处理，经过检验，人民币汇率中间价的日收益率序列是平稳的，而且具有很强的丛聚效应，且数据呈现右偏性和尖峰厚尾性，样本数据不服从正态分布。
3.2数据预处理——平稳性与相关性检验
样本数据平稳性是对时间序列进行回归分析的前提条件，我们将通过判断一个时间序列是否存在单位根来判断该序列的平稳性的方法称为单位根检验。在数据分析过程中，为了避免数据存在异方差，我们通过采用PP检验作为单位根检验，其原假设为：H0：γ=0即存在单位根，序列为非平稳时间序列。通过检验我们得知，PP检验统计值在1%的显著性水平上高度显著，因此可以拒绝原假设，即认为该序列平稳，不存在单位根。
3.3ARCH效应检验
为了更好的建立GARCH模型，我们需要对收益率序列进行ARCH效应检验。运用最小二乘法进行线性回归，并结合AIC和BIC准则，选取ARMA（1，1）模型对数据进行初步拟合，所得最优均值方程系数均具有高度显著性，均值方程如下：
γt=0.3806436γt-1-0.2469923εt-1+εt
运用STATA对残差序列进行ARCH-LM检验，模型残差序列在1%的显著性水平上具有高阶ARCH效应，因此运用GARCH模型对样本数据进行拟合是合适的。
3.4GARCH族模型建立
3.4.1GARCH模型的建立
通过ARCH检验得出收益率序列具有高阶ARCH效应，在均值方程为ARMA（1，1）模型基础上，建立GARCH（p，q）模型拟合取对数数据。经过反复拟合比较实验数据，求得GARCH（1，1）较好-地拟合了所给数据，拟合所得的美元兑人民币参数模型如下：
对GARCH（1，1）模型拟合后残差进行序列相关检验，条件异方差已经消除，残差序列不存在ARCH效应。在GARCH模型的拟合过程中发现，GARCH模型并不能很好地拟合美元兑人民币汇率，根据BIC准则发现，运用GARCH（1，1）模型的拟合结果为一18214.74，为此本文将深入研究其它GARCH族模型以建立更加贴合的模型。
3.4.2EGARCH模型的建立
在ARMA（1，1）基础上建立EGARCH模型，经过反复拟合比较实验数据，求得EGARCH（1，1）较好地拟合了所给数
文档评论（0）