共查询到10条相似文献,搜索用时 78 毫秒
1.
ARIMA融合神经网络的人民币汇率预测模型研究 总被引:1,自引:0,他引:1
熊志斌 《数量经济技术经济研究》2011,(6)
本文在深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型特点的基础上,建立了ARIMA融合NN的人民币汇率时间序列预测模型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,即将汇率时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARI-MA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终合成为整个序列的预测结果。通过对三种人民币汇率序列的仿真实验表明,融合模型的预测准确率显著高于包括随机游走模型在内的单一模型的预测准确率,从而证实了融合模型用于汇率预测的有效性。这一结果也表明,人民币汇率市场并不符合有效市场假设,可以通过模型对汇率未来走势做出较准确预测。 相似文献
2.
院当前人民币汇率波动的趋势明显,研究出口企业如何应对汇率波动具有现实意义。文章采用微观层面的数据并借助门限回归模型来考察汇率波动对中国企业出口的非线性影响,结果表明企业出口受汇率波动的影响要小于汇率水平变化的影响,且不同的汇率波动幅度下企业的出口行为不尽相同。人民币汇率波幅较小时未对企业出口造成负向作用,但当人民币汇率波幅较大时企业出口会受到明显的负向冲击,当人民币汇率波幅更进一步扩大时由"优胜劣汰"的市场选择使得最具竞争力的出口企业留在国际市场,因而汇率波动对企业出口的负向作用有所减弱。 相似文献
3.
4.
5.
人民币升值、汇率波动与房价调控 总被引:4,自引:0,他引:4
本文运用EGARCH模型求出人民币汇率波动的量度,然后在VAR模型的基础上,通过协整分析、Granger因果检验、脉冲响应等方法进行实证检验.研究表明:(1)人民币升值会推动房价上涨;(2)房价上涨会进一步加大人民币升值压力,人民币升值与房价上涨二者之间存在正反馈效应;(3)扩大人民币汇率波动区间会降低房价.在当前扩大人民币汇率波动区间能够在一定程度上避免为保持经济平稳较快发展而产生的对高房价调控的有所顾虑的可能行为,从而有利于加强对高房价的调控. 相似文献
6.
为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。 相似文献
7.
8.
9.
基于ARCH族高频日汇率波动的实证分析 总被引:6,自引:0,他引:6
准确测量汇率波动是进行汇率预测和风险控制的基础。本文通过美元/日元的高频日汇率数据的实证研究,检验了金融时间序列的“尖峰厚尾性一特征,并且通过对GARCH、TGARCH和EGARCH的模型估计,验证了汇率市场在信息不对称条件下,对好消息和坏消息有不同程度的波动反应,金融市场的杠杆作用是明显的。为正确认识汇率波动原因,分析汇率走势,制定外汇政策提供了参考。 相似文献
10.
陈诗一 《数量经济技术经济研究》2007,24(5):142-150
本文利用一个新的非参数支持向量回归(SVR)方法来预测基于非线性ARI模型的汇率时序变量,并且与最大似然法(MLE)和人工神经网络(ANN)的预测结果进行比较。从理论上讲,MLE和ANN方法仅侧重于样本内拟合,而SVR方法则同时考虑了拟合和预测,因此,其预测能力在现有方法中是最强大的。本文选择中国、韩国、印度和瑞士四种货币的日汇率来进行预测检验,实证结果支持SVR方法具有最强的预测能力。 相似文献