基于组合模型对汇率的预测研究

基于组合模型对汇率的预测研究

论文摘要

随着世界经济的发展,各国之间的交流与日俱增,汇率作为维系国与国之间经济贸易往来的桥梁,对各国之间的经济来往起着至关重要的作用,汇率的变动直接影响到世界的贸易经济。因此,正确分析和预测汇率对国家制定经济政策和规避风险具有重要的意义。目前,对汇率预测问题的研究大致遵循两种思路,一种是采用单一模型进行预测,另一种则是采用多个模型组合预测。很多学者常使用传统时间序列模型与线性模型来预测未来汇率值的波动,但实证分析表明,汇率的波动不仅存在线性规律,还呈现出一定的非线性特征,单纯地使用线性或非线性模型来预测汇率,必然会产生较大的误差。基于此,本文选取适当的线性模型与非线性模型进行组合,并利用组合后的模型对人民币/美元的即期汇率值进行拟合及预测。首先,利用单一的时间序列ARIMA模型预测,考虑模型中的残差分布问题,对不服从正态分布的残差采用逆变换的方法对其进行插值拟合,发现拟合之后的残差对模型的预测误差精度有一定的改进。其次,对灰色GM模型和利用二次插值法与辛普森83公式进行组合对GM模型的背景值进行改进并预测;同时采用BP神经网络模型对汇率进行了预测。模拟结果表明,针对汇率的预测,BP神经网络模型的预测结果优于其他模型的预测。再次,分别利用ARIMA模型、改进的ARIMA模型、改进的灰色GM模型与非线性BP神经网络模型组合来对汇率进行预测,研究表明组合模型的预测误差比单一模型的预测误差要小很多,组合模型中逆变换ARIMA模型与BP神经网络模型组合效果优于其他组合模型。最后,通过实证分析对汇率进行预测并验证本文提出的方法,研究表明逆变换拟合模型残差的方法能改进模型的预测精度,其结果对汇率的走势进行预测分析有一定的研究意义。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •     1.2.1 单一模型研究现状
  •     1.2.2 组合模型研究现状
  •   1.3 本文研究内容及结构
  •   1.4 本文创新点与不足
  • 2 汇率预测模型理论
  •   2.1 ARIMA时间序列预测模型
  •   2.2 灰色预测模型
  •   2.3 BP神经网络模型
  • 3 改进的汇率预测模型
  •   3.1 汇率序列ARIMA模型
  •     3.1.1 逆变换方法拟合ARIMA模型残差分布
  •     3.1.2 数值模拟
  •     3.1.3 模拟结果对比分析
  •   3.2 GM(1,1)模型——改进背景值与初始值
  •     3.2.1 GM模型背景值优化
  •     3.2.2 GM模型初始值的改进
  •     3.2.3 数值模拟
  •     3.2.4 模拟结果分析
  •   3.3 组合模型
  • 4 实证分析
  •   4.1 数据选取
  •   4.2 单一模型预测
  •     4.2.1 ARIMA模型预测
  •     4.2.2 GM、BP模型预测
  •   4.3 组合模型预测
  •   4.4 模型预测效果比较分析
  • 5 结论与展望
  •   5.1 结论
  •   5.2 展望
  • 参考文献
  • 致谢
  • 个人简历
  • 文章来源

    类型: 硕士论文

    作者: 何团

    导师: 金良琼,彭龙

    关键词: 模型,组合模型,汇率预测

    来源: 贵州民族大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融

    单位: 贵州民族大学

    分类号: F224;F832.6

    总页数: 53

    文件大小: 1486K

    下载量: 94

    相关论文文献

    • [1].基于ARIMA模型的卫星钟差异常值探测的模型选择方法[J]. 武汉大学学报(信息科学版) 2020(02)
    • [2].基于ARIMA模型的西安市空气质量指数的分析与预测[J]. 电脑知识与技术 2019(35)
    • [3].基于ARIMA模型对四川省医疗机构卫生资源需求预测分析[J]. 预防医学情报杂志 2020(02)
    • [4].应用ARIMA模型预测石家庄市手足口病发病趋势[J]. 中国卫生统计 2020(01)
    • [5].Forecasting Method of Stock Market Volatility in Time Series Data Based on Mixed Model of ARIMA and XGBoost[J]. 中国通信 2020(03)
    • [6].ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用[J]. 中国医院统计 2020(02)
    • [7].基于ARIMA的入境旅游月度过夜人次预测[J]. 微型电脑应用 2020(04)
    • [8].ARIMA模型在江西省布鲁氏菌病发病数预测中的应用[J]. 中国人兽共患病学报 2020(03)
    • [9].ARIMA模型在德国小蠊密度季节消长预测中应用及抗药性[J]. 中国公共卫生 2020(03)
    • [10].Short-term Prediction of Ionospheric TEC Based on ARIMA Model[J]. Journal of Geodesy and Geoinformation Science 2019(01)
    • [11].Analysis of temporal trends of human brucellosis between 2013 and 2018 in Yazd Province, Iran to predict future trends in incidence: A time-series study using ARIMA model[J]. Asian Pacific Journal of Tropical Medicine 2020(06)
    • [12].ARIMA模型在台山地区手足口病疫情的预测作用[J]. 齐齐哈尔医学院学报 2020(07)
    • [13].我国出境旅游人次的预测与分析——基于ARIMA模型[J]. 科技经济导刊 2020(20)
    • [14].基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究[J]. 中国现代手术学杂志 2020(03)
    • [15].基于ARIMA模型的轴向柱塞泵回油量预测研究[J]. 内燃机与配件 2020(21)
    • [16].基于ARIMA乘积季节模型预测医院感染患病率趋势和季节性[J]. 安徽预防医学杂志 2020(05)
    • [17].一种基于ARIMA-SVR混合方法的汇率预测模型[J]. 智库时代 2019(01)
    • [18].季节ARIMA模型在保费总收入预测中的应用[J]. 福建金融管理干部学院学报 2018(04)
    • [19].基于ARIMA模型的游客人数分析与预测[J]. 电脑与电信 2019(Z1)
    • [20].基于南昌市新建区居民伤害死亡趋势的ARIMA模型构建与预测[J]. 南昌大学学报(医学版) 2019(01)
    • [21].基于ARIMA模型的图书馆微信公众号用户量预测[J]. 中国科技信息 2019(13)
    • [22].基于ARIMA预测模型的人才市场需求分析[J]. 商讯 2019(11)
    • [23].ARIMA模型在血液供应量预测分析中的应用[J]. 电脑知识与技术 2019(22)
    • [24].基于ARIMA模型的郑州市玉米收购价分析及预测[J]. 现代商业 2019(28)
    • [25].基于ARIMA模型的新疆阿克苏地区棉花价格分析与预警[J]. 农村经济与科技 2019(19)
    • [26].基于ARIMA模型对网络舆情传播过程研究[J]. 广西质量监督导报 2019(11)
    • [27].基于ARIMA-BPNN的组合模型在重庆市艾滋病发现人数预测中的应用[J]. 预防医学情报杂志 2018(03)
    • [28].应用ARIMA模型预测某三级甲等医院门诊量[J]. 中国医院统计 2018(01)
    • [29].基于ARIMA的价格时间序列分析与预测——以沪铝1803合约为例[J]. 经贸实践 2018(10)
    • [30].ARIMA模型在肺结核登记病例数预测中的应用[J]. 江苏预防医学 2018(03)

    标签:;  ;  ;  

    基于组合模型对汇率的预测研究
    下载Doc文档

    猜你喜欢