基于ARIMA-SVM组合模型对人民币汇率的预测和实证研究

基于ARIMA-SVM组合模型对人民币汇率的预测和实证研究

论文摘要

随着我国经济的迅速发展,国际地位的不断提升,人民币汇率市场化进程不断加快,人民币汇率在国内外经济中扮演着越来越重要的角色。新汇改后,汇率走势的不确定性进一步增强,汇率波动幅度越来越大。且中美关系的逐渐恶化对汇率产生重大影响,使人民币汇率下降的趋势增大。在此背景下,提高汇率波动性预测的准确度无论是对企业、个人等微观主体规避外汇风险,还是对央行及相关管理部门加强金融监管和制定准确有效的汇率政策都具有重要的理论研究意义和实际应用价值。基于汇率序列同时含有线性与非线性成分的特点,本文选择使用ARIMA和SVM模型有效整合的方案,兼顾ARIMA模型和SVM模型各自在线性与非线性方面的优势,对人民币汇率进行预测分析。本文以平均绝对误差(MAE)、均方误差根(RMSE)以及平均绝对百分比误差(MAPE)三个指标为标准,将ARIMA-SVM组合模型的预测效果与单一的ARIMA模型、SVM模型进行对比分析,其中MAE、RMSE度量预测值和真实值之间的绝对误差,MAPE度量预测值和真实值之间的相对误差。研究结果表明,在对人民币兑美元汇率进行预测时,与单一ARIMA模型和SVM模型相比,ARIMA-SVM组合模型具有更好的预测效果,预测精度更高,且SVM模型预测精度高于ARIMA模型。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 研究背景
  •   1.2 研究意义
  •   1.3 汇率预测研究现状
  •     1.3.1 线性模型研究现状
  •     1.3.2 非线性模型研究现状
  •     1.3.3 组合模型研究现状
  •     1.3.4 文献评述
  •   1.4 本文的主要研究内容
  • 2 人民币汇率的相关概况及汇率预测方法
  •   2.1 汇率相关概况
  •     2.1.1 汇率及其标价方法
  •     2.1.2 人民币汇率波动特征
  •     2.1.3 人民币汇率波动带来的影响
  •   2.2 汇率预测方法
  •     2.2.1 基本面分析法
  •     2.2.2 技术分析法
  •   2.3 本章小结
  • 3 ARIMA与SVM组合模型
  •   3.1 ARIMA模型
  •     3.1.1 ARIMA模型理论
  •     3.1.2 ARIMA模型的构建
  •   3.2 SVM模型
  •     3.2.1 SVM模型理论
  •     3.2.2 SVM模型的构建
  •   3.3 ARIMA与SVM的组合模型
  •   3.4 本章小结
  • 4 ARIMA-SVM组合模型对人民币汇率的预测研究
  •   4.1 基于ARIMA模型对人民币汇率的预测研究
  •     4.1.1 数据选取
  •     4.1.2 汇率序列的平稳性检验
  •     4.1.3 汇率序列平稳化处理
  •     4.1.4 汇率相对最优模型的识别
  •     4.1.5 模型的检验
  •   4.2 基于SVM模型对人民币汇率的预测研究
  •   4.3 ARIMA-SVM组合模型的预测结果及评估
  •     4.3.1 组合模型汇率预测
  •     4.3.2 不同模型预测效果比较分析
  •   4.4 本章小结
  • 5 研究结论与不足
  •   5.1 研究结论
  •   5.2 本文的不足
  • 参考文献
  • 致谢
  • 附录
  • 文章来源

    类型: 硕士论文

    作者: 纪爽

    导师: 毛澄映

    关键词: 人民币汇率,组合模型

    来源: 江西财经大学

    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: 江西财经大学

    分类号: F224;F832.6

    总页数: 55

    文件大小: 4192K

    下载量: 673

    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ARIMA-SVM组合模型对人民币汇率的预测和实证研究
    下载Doc文档

    猜你喜欢