隨著我國經(jīng)濟的迅速發(fā)展,國際地位的不斷提升,人民幣匯率市場化進程不斷加快,人民幣匯率在國內(nèi)外經(jīng)濟中扮演著越來越重要的角色。新匯改后,匯率走勢的不確定性進一步增強,匯率波動幅度越來越大。且中美關(guān)系的逐漸惡化對匯率產(chǎn)生重大影響,使人民幣匯率下降的趨勢增大。在此背景下,提高匯率波動性預測的準確度無論是對企業(yè)、個人等微觀主體規(guī)避外匯風險,還是對央行及相關(guān)管理部門加強金融監(jiān)管和制定準確有效的匯率政策都具有重要的理論研究意義和實際應用價值�；趨R率序列同時含有線性與非線性成分的特點,本文選擇使用ARIMA和SVM模型有效整合的方案,兼顧ARIMA模型和SVM模型各自在線性與非線性方面的優(yōu)勢,對人民幣匯率進行預測分析。本文以平均絕對誤差(MAE)、均方誤差根(RMSE)以及平均絕對百分比誤差(MAPE)三個指標為標準,將ARIMA-SVM組合模型的預測效果與單一的ARIMA模型、SVM模型進行對比分析,其中MAE、RMSE度量預測值和真實值之間的絕對誤差,MAPE度量預測值和真實值之間的相對誤差。研究結(jié)果表明,在對人民幣兌美元匯率進行預測時,與單一ARIMA模型和SVM模型相比,ARIMA-SVM組合模型具有更好的預測效果,預測精度更高,且SVM模型預測精度高于ARIMA模型。
【學位單位】：江西財經(jīng)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F224;F832.6
【部分圖文】：

最優(yōu)分類面示意圖

4 ARIMA-SVM 組合模型對人民幣匯率的預測研究4 ARIMA-SVM 組合模型對人民幣匯率的預測研究4.1 基于 ARIMA 模型對人民幣匯率的預測研究4.1.1 數(shù)據(jù)選取本文選取 2018 年 1 月 2 日到 2018 年 10 月 2 日的人民幣兌美元匯率中數(shù)據(jù)（如圖 4-1 所示）作為樣本區(qū)間，排除節(jié)假日后共有 203 個原始數(shù)據(jù)其中 2018 年 1 月 2 日至 2018 年 9 月 28 日之間的 183 個數(shù)據(jù)作為訓練樣本此來對模型參數(shù)經(jīng)估計。2018 年 10 月 8 日至 2018 年 11 月 2 日排除日后的 20 個數(shù)據(jù)用來作為測試樣本，對模型的預測效果進行檢驗。

基于 ARIMA-SVM 組合模型對人民幣匯率的預測和實證研究是用來反映延遲階數(shù)與自相關(guān)系數(shù)之間關(guān)系的垂線圖，縱坐標代表自相關(guān)系，橫坐標表代表延遲階數(shù)，自相關(guān)系數(shù)的大小由懸垂線的長短表示。平穩(wěn)時間列通常垂線較短，且隨延遲階數(shù)的增加，將會很快衰減向 0。而非平穩(wěn)時間序自相關(guān)系數(shù)衰減向 0 的速度通常比較慢。
【參考文獻】

相關(guān)期刊論文 前10條

1 曹霜;何玉成;;基于小波分解的SVM-ARIMA農(nóng)產(chǎn)品價格預測模型[J];統(tǒng)計與決策;2015年13期

2 宮舒文;;基于GARCH族模型的人民幣匯率波動性分析[J];統(tǒng)計與決策;2015年12期

3 毛游方;;基于ARIMA模型的“余額寶”收益率研究分析與預測[J];電子制作;2014年24期

4 魏紅燕;孟純軍;;基于GARCH模型的短期匯率預測[J];經(jīng)濟數(shù)學;2014年01期

5 朱顏杰;樊順厚;雷懷英;;基于SARIMA模型的居民消費價格指數(shù)的預測[J];統(tǒng)計與決策;2014年04期

6 俞國紅;楊德志;叢佩麗;;ARIMA和RBF神經(jīng)網(wǎng)絡(luò)相融合的股票價格預測研究[J];計算機工程與應用;2013年18期

7 徐緣圓;;BP神經(jīng)網(wǎng)絡(luò)在匯率預測中的應用[J];時代金融;2013年03期

8 趙成柏;毛春梅;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型的我國碳排放強度預測[J];長江流域資源與環(huán)境;2012年06期

9 程昌品;陳強;姜永生;;基于ARIMA-SVM組合模型的股票價格預測[J];計算機仿真;2012年06期

10 郭曉峰;;基于ARIMA模型的中國CPI走勢預測分析[J];統(tǒng)計與決策;2012年11期

相關(guān)博士學位論文 前1條

1 孫葉萌;匯率決定理論和匯率預測[D];吉林大學;2008年

相關(guān)碩士學位論文 前6條

1 劉晨;基于卷積神經(jīng)網(wǎng)絡(luò)的外匯時間序列預測研究[D];鄭州大學;2018年

2 鄧景煒;基于神經(jīng)網(wǎng)絡(luò)的外匯匯率預測研究[D];暨南大學;2017年

3 袁磊;基于ARIMA-LSSVM混合模型的股指預測研究[D];哈爾濱工業(yè)大學;2015年

4 蘇玉華;人民幣匯率預測模型與實證研究[D];廣西師范大學;2011年

5 李艷華;人民幣匯率波動模型選擇的實證研究[D];南開大學;2010年

6 黃臘梅;人民幣匯率GARCH-GRNN組合預測研究[D];湖南大學;2009年

本文編號：2857587