基于时间序列ARIMA模型的人民币汇率的波动规律研究.pdf
文本预览下载声明
金融视线 IFinanciatView
基于时间序列ARIMA模型的人民币汇率的波动规律研究
钱韵 江南大学 江苏无锡 214000
摘要 ：本文依据我 国汇率变动的现实情况，选取 了2006年1月4日5：．2014年5月7日之间的美元兑人 民币汇率数据进行
汇率的波动规律研究。研究中采用了时间序列的分析方法并结合AEIMA模型进行实证研究，结果表~ARIMA(1，I，I)
模型对美元兑人 民币汇率的拟合程度最好 ，并以此模型对我国未来汇率的走势进行 了预测。
关键词：时间序列 ；ARIMA模型；汇率
一 、 引言 此外，一阶差分后汇率数据的 自相关和偏 自相关性显著消除，考
有关汇率波动规律的研究一直是国际金融领域较为热门的话题 虑建立ARIMA(1，1，0)或ARIMA(1，1，1)模型。
之一。随着全球经济一体化程度加深，各国之间的经济依赖程度加 最 终 ，分 别 建 立 AR (1)模 型 ，ARM A (1，1)模
强，增加了汇率波动的复杂性。我国自2005年7月21日实施汇率改革 型，ARIMA(1，1，0)，ARIMA(1，1，1)模型进行比较。
以来，人民币持续升值，市场已形成了对人民币的升值预期。但今年 (二)模型的选择
2月 以来，人民币持续贬值。今年3月，中国人民银行宣布扩大人 民币 选用 的常用的AIC赤池信息准则来确定最优的汇率模型。AIC
汇率波动幅度区间至2％。这都使得人民币汇率未来的走势变得不明 赤池信息准则是衡量统计模型拟合优 良性的一种标准。模型所对应
朗。随着上海 自贸区的建成、人民币国际化进程的逐步加快，对人民 的AIC值越小，模型的拟合程度越好。
币汇率的波动规律进行研究并进行预测具有现实意义。 蓑 3．1各按塑ACI值比较襄
本文选取 了2006年1月4日至2014年5月7日之间，共计435个
观测值 的美元兑人民币周平均汇率数据 。汇率数据均来 自Pacific ^R(|) A瓤】峨^ ，1) ^Rj融重^I《·l， ^Rl ^(I·1，1)
ExchangeRateService—DatabaseRetrievalSystem①。本文选
^ -Z1~16575 -5．7髓O a5 溺 3 -6．27W19
取时间序列分析的方法、结合ARIMA模型、计算结果运用Eviews6
统计软件得出，以此建立人民币汇率波动模型，进而分析其波动规律 可 以看出，ARIMA(1，1，1)模型的AIC值最小，为-6．277619，因
并进行预测。 此确定拟合模型为ARIMA(1，1，1)。
(三)建立模型的分析与检验
二、汇率数据的初步分析 用ARIMA(1，1，1)模型进行拟合得到的结果如表3．2所示 。
由于美元兑人民币汇率数据存在明显的下降趋势，一定是非平稳 袭3。2^RI队 (1。1，1)模型结果输出表
的。采用ADF检验可得P值为0．0273，说明至少在99％的置信水平上
无法拒绝该时间序列为非平稳时间序列的原假设。所以，人民币汇率
数据 的时间序列呈现出非平稳性。为使时间序列平稳化 ，对其进行一
阶差分处理，同样用ADF检验 ，可得P值为0．0000，可认为差分后的时
间序列变为平稳序列 。
其次，对人民币汇率数据进行纯随机性检验可知，由于Q统计量
的P值均1％，说明至少在99％的置信水平上可拒绝该时间序列为纯
随机序列的原假设，即可认为过去的数据对未来有一定的影响。
由于汇率数据存在较为明显的一阶偏自相关，其一阶偏 自相关系
数高达0．993。而从 自相关系数可 以看 出，汇率数据 的移动平
显示全部