基于EMD-NBE混合模型的人民幣匯率預測和分析.pdf

1、隨著中國經濟的發(fā)展,國內市場與國際市場交流日益頻繁,人民幣匯率在對外經濟交流中起著至關重要的作用.2016年10月1日人民幣正式加入特別提款權(SDR)籃子,人民幣離國際化的目標更進一步.人民幣國際化意味著人民幣匯率的市場化,同時國際化的目標也對人民幣匯率形成機制和波動幅度提出了更高的要求.預測人民幣匯率的變動情況,對于人民幣匯率理論的發(fā)展和人民幣國際化進程具有重大意義.
　　本文首先通過對宏觀經濟和2017年中央經濟工作會議文件

2、的分析以及央行2017年貨幣政策的解讀,結合當前國內外的經濟形勢,利用貨幣供需理論并結合相關經濟學原理分析得出:人民幣匯率在2017年仍然保持貶值的趨勢,但沒有持續(xù)貶值的基礎,市場化波動將會進一步加劇;全年美元對人民幣匯率波動幅度不超過7.67％,美元兌人民幣匯率波動區(qū)間為:6.82-6.98,日均波動幅度不超過100個基點.同時,在研究過程中發(fā)現(xiàn)基本面分析存在的問題:基本面分析能夠預測未來一段時間內人民幣匯率總體變動趨勢,卻無法為外匯

3、市場提供精確的外匯變動點差.
　　基本面分析完之后,本文選取了2011年5月份至2016年12月份的1462個美元兌人民幣匯率(USD/CNY)中間價數(shù)據(jù),將其作為衡量人民幣匯率的標準.利用經驗模態(tài)分解法(EMD),對美元兌人民幣匯率中間價的時間序列進行降噪分解處理,得到了七個本征模函數(shù)和一個殘差序列.依據(jù)分解出的本征模函數(shù)和殘差序列的特征,分別利用非線性自回歸(NARX)神經網絡、BP神經網絡和極限學習機(ELM)神經網絡進行針

4、對性的擬合和預測,進而建立了混合預測模型:EMD-NBE模型.在運用EMD-NBE模型對人民幣匯率進行預測之后,為了能更好地彰顯新的組合方法在預測匯率方面較單一模型的優(yōu)越性,本文還運用傳統(tǒng)的時間序列分析方法(ARIMA模型)、BP神經網絡模型、極限學習機(ELM)神經網絡、小波神經網絡以及支持向量機模型進行擬合、對比和分析,發(fā)現(xiàn)組合模型對于人民幣短期匯率的預測具有更高的預測精度和更好的擬合效果,是最佳的人民幣匯率預測模型.
　　基