时间序列分析方法研究与其在中美汇率预测的应用

摘要

汇率是国际贸易中最重要的调节杠杆，能够准确地反映一个国家或者一个地区与国际经济环境的关系。自2001年我国加入WTO后，人民币汇率的变化与我国整体经济发展密不可分，其中尤其与美元之间的汇率最具代表性。2005年，我国推动了以市场供求为基础、同时合理管理的汇率制度，也就是以市场供求为基础、参考一篮子货币进行调节，有管理的浮动汇率制度，人民币便持续升值。但最近几年，人民币汇率进入新常态，表现出双向波动的显著特征。2014年之前的十年，人民币汇率整体呈现出不断上升的态势。但是2014年下半年发生了转变，美元指数强势反弹，涨幅超过前九年的表现。本文主要目标就是研究2014至今，人民币汇率在新的国内外整体经济大环境影响下表现的特征和发展趋势。本文将主要用到时间序列方法的研究，并应用在中美汇率分析与预测的研究上。
　　通过理论学习以及文献参考，我们确定了时间序列分析方法研究在人民币汇率问题研究的优越性。1970年代，Box和Jenkins的研究为时间序列分析方法引入了随机理论，将时间序列的分析与发展推向了一个更高的层面，极大地提高了预测的精度。其他学者同样在时间序列分析方法的研究上做出了巨大的贡献，他们为我们提供诸多使用有效的时间序列模型，包括AR模型、MA模型、ARMA模型、ARIMA模型、ARCH模型以及GARCH模型。这些模型的出现为时间序列的研究提供了巨大的方便，为当今社会经济发展提供助力。
　　本文的主要研究数据是自2014年1月4日开始，2015年12月31日结束，总共489个样本数据。在实证分析中，文中将会主要用到ARIMA模型和GARCH模型，通过分析软件，对2016年一月份的中美汇率进行预测。

目录

声明

摘要

1 绪论

1．1 选题的背景

1．2 研究的目的与意义

1．3 国内外研究现状

1．3．1 时间序列分析方法国内外的研究

1．3．2 国内外的汇率研究

1．4 主要工作与技术方法

1．4．1 论文的主要工作

1．4．2 论文的技术方法

2 时间序列分析的基本概念与模型

2．1 时间序列分析的基本概念

2．1．1 时间序列和随机过程

2．1．2 均值、方差和协方差

2．1．3 平稳性

2．1．4 趋势和季节性

2．2 平稳时间序列模型

2．2．1 一般线性过程

2．2．2 自回归(AR)模型

2．2．3 滑动平均(MA)模型

2．2．4 自回归滑动平均(ARMA)模型

2．3 非平稳时间序列模型

2．3．1 差分平稳化

2．3．2 求和自回归滑动平均(ARIMA)模型

2．3．3 其他变换

2．4 条件异方差时间序列模型

2．4．1 ARCH模型

2．4．2 GARCH模型

3 建立模型

3．1 ARIM模型的建立

3．1．1 相关函数与AIC和BIC

3．1．2 模型的识别

3．1．3 参数估计

3．1．4 模型诊断

3．1．5 模型预测

3．2 GARCH模型的建立

3．2．1 模型识别

3．2．2 参数估计

3．2．3 模型诊断

4 实例分析

4．1 数据的选取

4．2 数据的初步分析

4．3 ARIMA模型方法的分析与预测

4．3．1 ARIMA模型的定阶问题

4．3．2 ARIMA模型的参数估计

4．3．3 ARIMA模型的显著性检验

4．3．4 ARIMA模型的预测

4．4 GARCH模型方法的分析与预测

4．4．1 GARCH模型的条件检验

4．4．2 GARCH模型的拟合

4．4．3 GARCH模型的预测

结论

参考文献

致谢