原创《基于时间序列ARCH模型人民币汇率分析》：本论文为免费优秀的关于人民币汇率论文范文资料，可用于相关论文写作参考。
摘 要：随着人民币市场化的推进,人民币波动幅度增大,汇率波动日趋复杂.为此,采用ARCH模型对2014年1月1日至2015年12月31日的人民币兑美元日汇率进行建模.结果表明,ARCH（1）模型在一定程度较好地拟合了人民币兑美元汇率的时间序列.
关键词：时间序列；人民币汇率；ARCH模型
中图分类号：F83
文献标识码：A
doi：10.19311/j.cnki.16723198.2017.15.056
1研究背景
随着经济全球化,国和国之间的联系越来越紧密,汇率作为宏观经济的重要指标,其在开放经济中的重要性逐漸突出,因此汇率波动由此成为社会各界共同关注的问题.汇率是国际贸易中最重要的调节杠杆.考虑到我们国家经济贸易是依赖性增长,所以国际贸易会受到汇率的影响.鉴于ARCH模型比较适合用于分析金融市场时间序列的条件方差,所以,本文用ARCH模型来分析2014-2015年人民币汇率的波动规律.
2数据来源和处理
本文采用人民币兑美元的日汇率值,样本数据选取2014年1月-2015年12月的日汇率数据,所有人民币兑美元日汇率数据来自招商银行提供的统计数据（www.cmbchina.com）.所有的计算结果由R3.2.1实现.鉴于ARCH模型适用于收益性的时间序列,所以对人民币兑美元的日汇率序列rt取对数进行处理,使其变成比较平稳的收益性序列,具体变换公式如下：
ht等于logrt-logrt-1
ht是所得到的收益序列,rt为t期的人民币兑美元的汇率值.
3实证分析
3.1模型预检验
在应用模型之前,需要对ARCH模型可行性进行统计检验.若符合要求,则可以应用该模型.
首先,利用auto.arima函数定阶,拟合ARIMA（1,1,2）模型,进行白噪声检验,原假设为H0∶ρ1等于ρ2等于等等于ρm等于0,m1,然后用条件异方差检验（Portmanteau Q检验）检验该模型的残差平方序列的异方差.原假设为H0∶ε1等于ε2等于等等于εt,拒绝原假设意味着存在ARCH（q）效应.
3.2ARCH模型估计
采用R3.2.1软件对建立ARCH（1）汇率模型进行估计.
估计方程：
SymbolQC@ xt等于-0.8141+εt+1.0538εt-1+0.1076εt-2+υt
υt等于htet
ht等于0.5845+0.2527ε2t-1
ARCH（1）模型的系数在1%显著性水平上显著,这说明人民币兑美元日收益率时间序列有明显的波动性,并且当日的波动性会受到前一日波动性的正向影响.
4结论
本文通过分析人民币兑美元汇率历史数据,寻找一个较好的拟合模型,来更好地描述汇率时间序列,通过上述实证分析可得结论如下：
通过人民币兑美元汇率时间序列图,可以看出汇改之后人民币汇率时间序列具有明显的趋势特征,且人民币汇率稳步上升,波动的幅度逐渐增大.
ARCH模型能够较好的拟合人民币兑美元汇率时间序列,也反映了我国人民币汇率存在明显的短期自相关和异方差性.
参考文献
[1]王秀东,刘斌,闫琰.基于ARCH模型的我国大豆期货价格波动分析[J].中国农村技术经济,2013,（12）.
[2]骆珣,吴建红.基于GARCH模型的人民币汇率波动规律研究[J].数理统计和管理,2009,（3）.
[3]姚战琪.基于ARCH模型的我国股票市场收益波动性研究[J].贵州财经学院学报,2012,（4）.
[4]王燕.时间序列分析[M].北京：中国人民大学出版社,2015.
人民币汇率论文参考资料：
结论：基于时间序列ARCH模型人民币汇率分析为关于对不知道怎么写人民币汇率论文范文课题研究的大学硕士、相关本科毕业论文美元兑人民币k线图论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
