基于GARCH模型的短期匯率預測

魏紅燕+++孟純軍

摘 要 研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率平均值進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

關鍵詞 匯率； GARCH模型； 匯率預測

中圖分類號 F822 文獻標識碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預測的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關于人民幣匯率決定模型的實證分析；戴曉楓，肖慶憲[2]（2005）的時間序列分析方法及人民幣匯率預測的應用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場A股的回報率與人民幣匯率的關系；吳躍明[4]（2010）基于小波變換的LMSV模型對人民幣匯率波動的研究；Molodtsova T，Papel DH等[5]（2008）對兩國實時匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡的人民幣匯率預測研究等等.

本文研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型[7]，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計分析

本文研究選取的數(shù)據(jù)是金融危機后2010年7月1日至2013年11月30日美元兌換人民幣的176個周平均數(shù)據(jù)，根據(jù)實證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來估計預測模型的參數(shù)；余下22個數(shù)據(jù)作為樣本外預測區(qū)間，用來檢驗模型的預測效果.數(shù)據(jù)來源于國家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預測值與實際值之間的誤差較小，除個別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說明模型對未來匯率的預測準確度是比較高的.

從圖4中可看出，該模型能對匯率大體走勢進行預測，但預測精度仍略顯不足，較實際觀察值有不同程度的偏差，對匯率的波動反應呈現(xiàn)出一期滯后的情況.這符合實際情況，現(xiàn)實生活中，人們也經(jīng)常通過當前的匯率值來預測未來匯率的變化.

4 結(jié) 論

本文首先通過ARCH檢驗論證了GARCH模型在預測中美匯率的可行性，即時間序列存在異方差性和自相關性，進而建立了GARCH（1，1）模型，并運用模型對匯率進行預測.根據(jù)Eviews提供的預

測評價指標[10]，模型的預測在趨勢上比較成功，基本上反映了人民幣升值的趨勢；從預測擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時間序列，在預測短期匯率上具有一定的實用性.

參考文獻

[1] 魏巍賢.人民幣匯率決定模型的實證分析[J].系統(tǒng)工程理論與實踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時間序列分析方法及人民幣匯率預測的應用研究[J]. 上海理工大學學報，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報率與匯率的關系——基于中國的實證[J].經(jīng)濟數(shù)學，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對人民幣匯率波動的研究[J].經(jīng)濟數(shù)學，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運明.人民幣匯率預測的實證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學王亞南經(jīng)濟研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預測[J].重慶工商大學學報，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實證分析[J].數(shù)學的實踐與認識，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應用[M]. 北京：中國人民大學出版社，2008：186-200.endprint

摘 要 研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率平均值進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

關鍵詞 匯率； GARCH模型； 匯率預測

中圖分類號 F822 文獻標識碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預測的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關于人民幣匯率決定模型的實證分析；戴曉楓，肖慶憲[2]（2005）的時間序列分析方法及人民幣匯率預測的應用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場A股的回報率與人民幣匯率的關系；吳躍明[4]（2010）基于小波變換的LMSV模型對人民幣匯率波動的研究；Molodtsova T，Papel DH等[5]（2008）對兩國實時匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡的人民幣匯率預測研究等等.

本文研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型[7]，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計分析

本文研究選取的數(shù)據(jù)是金融危機后2010年7月1日至2013年11月30日美元兌換人民幣的176個周平均數(shù)據(jù)，根據(jù)實證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來估計預測模型的參數(shù)；余下22個數(shù)據(jù)作為樣本外預測區(qū)間，用來檢驗模型的預測效果.數(shù)據(jù)來源于國家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預測值與實際值之間的誤差較小，除個別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說明模型對未來匯率的預測準確度是比較高的.

從圖4中可看出，該模型能對匯率大體走勢進行預測，但預測精度仍略顯不足，較實際觀察值有不同程度的偏差，對匯率的波動反應呈現(xiàn)出一期滯后的情況.這符合實際情況，現(xiàn)實生活中，人們也經(jīng)常通過當前的匯率值來預測未來匯率的變化.

4 結(jié) 論

本文首先通過ARCH檢驗論證了GARCH模型在預測中美匯率的可行性，即時間序列存在異方差性和自相關性，進而建立了GARCH（1，1）模型，并運用模型對匯率進行預測.根據(jù)Eviews提供的預

測評價指標[10]，模型的預測在趨勢上比較成功，基本上反映了人民幣升值的趨勢；從預測擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時間序列，在預測短期匯率上具有一定的實用性.

參考文獻

[1] 魏巍賢.人民幣匯率決定模型的實證分析[J].系統(tǒng)工程理論與實踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時間序列分析方法及人民幣匯率預測的應用研究[J]. 上海理工大學學報，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報率與匯率的關系——基于中國的實證[J].經(jīng)濟數(shù)學，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對人民幣匯率波動的研究[J].經(jīng)濟數(shù)學，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運明.人民幣匯率預測的實證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學王亞南經(jīng)濟研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預測[J].重慶工商大學學報，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實證分析[J].數(shù)學的實踐與認識，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應用[M]. 北京：中國人民大學出版社，2008：186-200.endprint

摘 要 研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率平均值進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

關鍵詞 匯率； GARCH模型； 匯率預測

中圖分類號 F822 文獻標識碼 A

Shortterm Prediction of Rates Based on GARCH Model

WEI Hongyan，MENG Chunjun

（College of Mathematics and Econometrics，Hunan University，Changsha，Hunan 410082，China）

Abstract The analysis on the weekly average values of the exchange rates of RMB against the U.S. Dollar from July 1， 2010 to November 30， 2013 shows that it is in line with the GARCH model of time series analysis. Therefore， it is practicable to use the model to do prediction， and the result shows that it is relatively successful.The prediction indicates that the RMB presents a rising trend.

Key words Exchange rate； GARCH model； Prediction of exchange rate

1 引 言

匯率預測的研究很多，主要研究方法有：ARIMA模型、GARCH模型、PPP模型、神經(jīng)網(wǎng)絡、VAR模型及多元回歸模型.其中有代表性的有：魏巍賢[1]（2000）關于人民幣匯率決定模型的實證分析；戴曉楓，肖慶憲[2]（2005）的時間序列分析方法及人民幣匯率預測的應用研究；李亞瓊，黃立宏[3]（2010）考察了上海股票市場A股的回報率與人民幣匯率的關系；吳躍明[4]（2010）基于小波變換的LMSV模型對人民幣匯率波動的研究；Molodtsova T，Papel DH等[5]（2008）對兩國實時匯率的泰勒原則分析；Sun Ye[6]（2012）基于BP神經(jīng)網(wǎng)絡的人民幣匯率預測研究等等.

本文研究人民幣對美元的匯率預測，通過對2010年7月1日至2013年11月30的周匯率進行數(shù)據(jù)分析，發(fā)現(xiàn)其基本符合時間序列分析中的GARCH模型[7]，因此采用該模型進行預測，預測結(jié)果比較成功。預測表明人民幣呈現(xiàn)升值的趨勢.

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)統(tǒng)計分析

本文研究選取的數(shù)據(jù)是金融危機后2010年7月1日至2013年11月30日美元兌換人民幣的176個周平均數(shù)據(jù)，根據(jù)實證研究需要，將樣本數(shù)據(jù)分割為兩部分：2010年7月1日至2013年6月30日的前154個周平均數(shù)據(jù)作為樣本內(nèi)研究區(qū)間，用來估計預測模型的參數(shù)；余下22個數(shù)據(jù)作為樣本外預測區(qū)間，用來檢驗模型的預測效果.數(shù)據(jù)來源于國家外匯管理局（http：//www.safe.gov.cn/）.

由表5看出，預測值與實際值之間的誤差較小，除個別日期的誤差接近1，其余數(shù)據(jù)的誤差都在1以內(nèi)，說明模型對未來匯率的預測準確度是比較高的.

從圖4中可看出，該模型能對匯率大體走勢進行預測，但預測精度仍略顯不足，較實際觀察值有不同程度的偏差，對匯率的波動反應呈現(xiàn)出一期滯后的情況.這符合實際情況，現(xiàn)實生活中，人們也經(jīng)常通過當前的匯率值來預測未來匯率的變化.

4 結(jié) 論

本文首先通過ARCH檢驗論證了GARCH模型在預測中美匯率的可行性，即時間序列存在異方差性和自相關性，進而建立了GARCH（1，1）模型，并運用模型對匯率進行預測.根據(jù)Eviews提供的預

測評價指標[10]，模型的預測在趨勢上比較成功，基本上反映了人民幣升值的趨勢；從預測擬合結(jié)果圖4可看出，GARCH（1，1）模型在一定程度上擬合了人民幣兌美元匯率的時間序列，在預測短期匯率上具有一定的實用性.

參考文獻

[1] 魏巍賢.人民幣匯率決定模型的實證分析[J].系統(tǒng)工程理論與實踐，2000，3（12）：70-79.

[2] 戴曉楓，肖慶憲.時間序列分析方法及人民幣匯率預測的應用研究[J]. 上海理工大學學報，2005，4（27）：341-344.

[3] 李亞瓊，黃立宏.股票回報率與匯率的關系——基于中國的實證[J].經(jīng)濟數(shù)學，2010，27（3）：1-8.

[4] 吳躍明.基于小波變換的LMSV模型對人民幣匯率波動的研究[J].經(jīng)濟數(shù)學，2010，27（3）：59-63.

[5] Molodtsova T，NikolskoRzhevskyy A，Papel DH. Taylor rules with realtime data：A tale of two countries and one exchange rate[J]. Journal of Monetary Economics，2008，1（55）：63-79.

[6] Sun YE. RMB Exchange rate forecast approach based on BP neural network[J]. Physics Procedia，2012，33（1）：287-293.

[7] 張運明.人民幣匯率預測的實證研究—基于ARIMA模型和GARCH模型的比較[D].廈門：廈門大學王亞南經(jīng)濟研究院，2008.

[8] 閆海峰，謝莉莉.基于GARCH-M模型的人民幣匯率預測[J].重慶工商大學學報，2009，26（4）：41-44.

[9] 孫映宏，曹顯兵.基于GARCH模型的中美匯率實證分析[J].數(shù)學的實踐與認識，2012，20（42）：223-228.

[10]易丹輝.數(shù)據(jù)分析與Eviews應用[M]. 北京：中國人民大學出版社，2008：186-200.endprint