發(fā)布時間：2017-06-27 03:10

  本文關鍵詞：基于ARFIMA-SVM-BPNN非線性組合模型的人民幣匯率預測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：2005年7月21日,人民幣決定實行以市場供求為基礎、參考一籃子貨幣進行調節(jié)、有管理的浮動匯率制度。同時,隨著國際間經濟與金融活動的相互滲透及影響,各國金融市場之間的相互依存程度也逐步增強,匯率作為核心變量,調整并影響著各國的宏觀和微觀經濟。自2001年加入WTO,中國經濟在國際社會的地位日益凸顯,作為聯(lián)系國內外經濟橋梁的人民幣匯率也因此成為人們關注的焦點。研究人民幣匯率的預測問題,做到理論與實證相結合,不僅具有重要的理論意義,而且還能夠為政府管理部門制定相應外匯政策提供新的視角。本文首先回顧總結人民幣匯率時間序列的預測方法和模型,并對匯率決定理論和非線性特征檢驗方法加以討論;然后通過分析人民幣匯率的長記憶性與非線性特征選擇構建ARFIMA模型、SVM模型以及BPNN模型,并通過非線性函數將單一模型進行組合構建ARFIMA-SVM-BPNN非線性組合模型;最后選擇人民幣兌美元匯率(RMB/USD)和人民幣兌歐元匯率(RMB/EUR)時間序列為樣本,分別使用BDS模型和DFA模型對其展開非線性特征及長記憶性特征的檢驗及分析,并通過上述非線性組合模型對人民幣匯率進行預測,提出相應政策建議。研究結果表明,通過非線性檢驗及長記憶性檢驗,發(fā)現(xiàn)人民幣匯率收益率序列都存在非線性特征,并且人民幣兌美元匯率收益率存在較強的長記憶性,人民幣兌歐元匯率收益率的長記憶性較弱。在非線性組合模型構建及應用方面,基于ARFIMA-SVM-BPNN非線性組合模型的人民幣匯率的預測效果均優(yōu)于單一預測模型。
【關鍵詞】：匯率收益率 ARFIMA模型 SVM模型 BPNN模型 非線性組合模型
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F224;F832.6
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-23
• 1.1 選題背景與研究意義11-13
• 1.1.1 選題背景11-12
• 1.1.2 研究意義12-13
• 1.2 相關文獻綜述13-20
• 1.2.1 基于線性模型的匯率預測研究14-15
• 1.2.2 基于非線性模型的匯率預測研究15-18
• 1.2.3 基于組合模型的匯率預測研究18-20
• 1.3 研究思路與研究內容20-23
• 1.3.1 研究思路20-21
• 1.3.2 研究內容21-23
• 第2章 匯率預測相關研究基礎與理論分析23-33
• 2.1 匯率決定的理論分析23-25
• 2.1.1 傳統(tǒng)匯率決定理論分析23-24
• 2.1.2 現(xiàn)代匯率決定理論分析24-25
• 2.2 人民幣匯率變動的影響因素分析25-28
• 2.2.1 政治因素分析25-26
• 2.2.2 經濟因素分析26-28
• 2.2.3 其它因素分析28
• 2.3 人民幣匯率變動特征的理論分析28-33
• 2.3.1 非線性特征的理論分析29-30
• 2.3.2 長記憶特征的理論分析30-33
• 第3章 ARFIMA-SVM-BPNN非線性組合模型的構建33-42
• 3.1 人民幣匯率特征的檢驗方法及模型33-35
• 3.1.1 非線性特征的BDS檢驗方法33-34
• 3.1.2 長記憶特性的DFA檢驗模型34-35
• 3.2 單一預測模型的選擇及構建35-38
• 3.2.1 自回歸分整移動平均(ARFIMA)模型35-36
• 3.2.2 支持向量機(SVM)模型36-37
• 3.2.3 反向傳播神經網絡(BPNN)模型37-38
• 3.3 非線性組合預測模型的構建過程及參數估計38-42
• 3.3.1 非線性組合模型的構建過程39-40
• 3.3.2 非線性組合模型的參數估計40-42
• 第4章 基于非線性組合模型的人民幣匯率預測實證42-67
• 4.1 樣本的選取與描述42-52
• 4.1.1 樣本選取與數據來源42-45
• 4.1.2 樣本的統(tǒng)計性描述45-52
• 4.2 人民幣匯率特征的實證檢驗及分析52-54
• 4.2.1 基于BDS方法的非線性特征檢驗實證分析52-53
• 4.2.2 基于DFA模型的長記憶性檢驗實證分析53-54
• 4.3 基于非線性組合模型的人民幣匯率預測實證結果及分析54-63
• 4.3.1 單一預測模型的預測結果與分析54-58
• 4.3.2 非線性組合預測模型的預測結果與分析58-63
• 4.4 人民幣匯率非線性組合預測模型的優(yōu)勢分析63-65
• 4.4.1 模型預測效果評價指標的確立63
• 4.4.2 非線性組合模型的預測效果評價63-65
• 4.5 基于實證分析結果的對策建議65-67
• 結論67-69
• 參考文獻69-76
• 致謝76-77
• 附錄A 攻讀學位期間發(fā)表的學術論文目錄77-78
• 附錄B 攻讀學位期間參與的科研項目78

【參考文獻】

中國期刊全文數據庫 前10條

1 廖淑嬌;馮曉霞;劉家彬;;基于混沌粒子群優(yōu)化小波支持向量機的匯率預測[J];科學技術與工程;2012年11期

2 徐成賢;陳靜;王昭;;遺傳支持向量機及其在人民幣匯率變動方向預測中的應用[J];統(tǒng)計與決策;2011年22期

3 熊志斌;;ARIMA融合神經網絡的人民幣匯率預測模型研究[J];數量經濟技術經濟研究;2011年06期

4 薛永剛;;基于小波分解的匯率預測模型實證研究[J];統(tǒng)計與決策;2010年20期

5 徐成賢;陳靜;王昭;;應用不等權重支持向量機預測人民幣匯率的變動[J];統(tǒng)計與信息論壇;2010年10期

6 楊新臣;吳仰儒;;基于支持向量機的非線性匯率預測分析[J];統(tǒng)計與決策;2010年18期

7 劉洋;;關于優(yōu)化人民幣匯率預測仿真研究[J];計算機仿真;2010年08期

8 謝赤;龍山;劉珉華;孫柏;;人民幣匯率非線性相關結構的實證分析[J];統(tǒng)計與決策;2010年08期

9 王向宇;須文波;孫俊;趙琪;;利用VLRBP神經網絡改善匯率預測[J];計算機工程與應用;2010年06期

10 雷強;郭白瀅;;BDS替代數據法的人民幣匯率非線性特征研究[J];管理學報;2010年02期

  本文關鍵詞：基于ARFIMA-SVM-BPNN非線性組合模型的人民幣匯率預測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：488398