论文部分内容阅读
2005年，我国开始实行以一篮子货币为基础的浮动汇率制度。汇改后，我国汇率走向更加市场化，汇率的波动幅度也加大，这给我国带来的风险超过以往。因此，对人民币汇率预测进行研究从而找到正确预测汇率波动和走势的预测方法和模型显得尤为必要。 汇率预测方法主要包括汇率决定论和技术分析模型这两类。汇率决定论是基于影响汇率的基本因素出发的，在长期预测中可以取得一定效果，短期效果不佳。技术分析模型是从汇率时间序列本身出发的预测模型，现有的技术模型包括线性模型和非线性模型。对于线性模型，因为汇率数据包含复杂的非线性结构，所以模型并不能很好地刻画汇率数据特征。而非线性模型尤其是非参模型虽能够很大程度地刻画出汇率的非线性结构，但是模型不是动态加权的。我们知道过去不同时期的值对未来的影响强度是不一样的，每一个历史观测值对估计量的影响程度应该逐期衰减，现有的非参数模型在预测时并未考虑到这一点，也存在很大局限性。 在这种情况下，本文开创地运用了一种新的汇率预测模型:Harvey和Oryshchenko(2012)在基于动态加权核密度估计理论基础上构建的TF模型。Harvey和Oryshchenko(2012)当初只是用于拟合，而并未用于预测，本文把它运用于汇率预测。TF模型本质上是一个非参数的动态加权模型。全文首先对国内外汇率预测研究进行简单概述并介绍了汇率决定论和主要的技术分析法汇率预测模型。然后对美元兑人民币及欧元兑人民币汇率数据进行描述性统计分析和相关基本检验。接下来采用滚动预测的策略，用TF模型和ARIMA模型、BP模型、STAR模型四个模型对汇率进行实证预测。最后采取传统的损失函数法和RC检验等预测精度评价标准对各模型的预测能力进行评价。 通过研究分析，我们得出以下几个结论:1.汇率数据包含复杂的动态的非线性结构，不服从正态分布。2.基于损失函数法和RC检验两个评价标准的检验结果均表明基于动态加权核密度估计理论的TF模型预测能力要显著优于ARIMA模型、BP神经网络模型、STAR模型这三个模型。可见，TF模型作为一种新的预测模型，对我国汇率数据能够取得较好的预测效果。3.突发情况会对模型预测能力产生比较大的影响，当出现了突发情况四个模型的预测能力均下降，但TF模型面对突发情况其预测能力和反应速度均优于其他模型。