發(fā)布時(shí)間：2024-05-19 05:55

　　人民幣匯率風(fēng)險(xiǎn)的精準(zhǔn)計(jì)算和預(yù)測是管理和控制匯率風(fēng)險(xiǎn)的首要條件,并隨著外匯市場的發(fā)展與完善受到越來越多的重視。在此背景下,利用隨機(jī)波動模型和在險(xiǎn)價(jià)值模型對匯改后的人民幣匯率風(fēng)險(xiǎn)進(jìn)行度量與預(yù)測。首先,基于貝葉斯估計(jì)方法,運(yùn)用四種隨機(jī)波動模型對人民幣匯率波動進(jìn)行擬合,并運(yùn)用DIC準(zhǔn)則篩選出擬合效果最好的SV-N模型;然后,利用篩選出的模型結(jié)合在險(xiǎn)價(jià)值模型對人民幣匯率風(fēng)險(xiǎn)進(jìn)行度量;最后,基于所構(gòu)建的SV-N-CVaR模型,對所選樣本范圍之外100日的人民幣匯率風(fēng)險(xiǎn)進(jìn)行一步向前預(yù)測。將預(yù)測值與真實(shí)值進(jìn)行比較,可以看到預(yù)測正確率為87%,匯率風(fēng)險(xiǎn)預(yù)測值和真實(shí)值的變動趨勢基本相同,說明風(fēng)險(xiǎn)預(yù)測模型與真實(shí)狀況保持了較高的一致性,在所構(gòu)建模型的基礎(chǔ)上建立人民幣匯率風(fēng)險(xiǎn)預(yù)測體系是可行的。

【文章頁數(shù)】：7 頁

【部分圖文】：

結(jié)果圖1SV-N模型中各未定參數(shù)的后驗(yàn)分布密度64200.20.40.60.8由以上的貝葉斯估計(jì)

以SV-N模型為例，對于未定參數(shù)的組合（h1，h2，…，hm，μ，，τ），Gibbs抽樣以如下方式進(jìn)行：設(shè)置初值θ0=（，μ0，0，τ0）；從完全條件分布f（h1|，μ0，0，τ0）中抽取；將替代，從完全條件分布f（h2|μ0，0，τ0）中抽取；將替代，從完全條件分布f（h3|，....

圖22017年5月24日至10月19日匯率風(fēng)險(xiǎn)預(yù)測值和真實(shí)匯率差值絕對值015913172125293337414549535761656973778185899397

合我國國情和匯率形成機(jī)制，利用近年來計(jì)量經(jīng)濟(jì)學(xué)模型的最新成果，繼續(xù)構(gòu)建和完善匯率風(fēng)險(xiǎn)度量和預(yù)測模型是我們未來探索的方向。主要參考文獻(xiàn)：[1]惠曉峰，柳鴻生，胡偉何等．基于時(shí)間序列GARCH模型的人民幣匯率預(yù)測［J］．金融研究，2003（5）：99~105．[2]王雪，胡未名，楊海....

本文編號：3977691