文献类型：期刊文章

作　　者：李永武[1] 秦怡雯[1] 李健[1] 王雅实[2]

LI Yongwu;QIN Yiwen;LI Jian;WANG Yashi(College of Economics and Management,Beijing University of Technology,Beijing 100124,China;Department of Science and Technology/School of Information Management for Law,China University of Political Science and Law,Beijing 100027,China)

机构地区：[1]北京工业大学经济与管理学院,北京100124 [2]中国政法大学科学技术教学部/法治信息管理学院,北京100027

出　　处：《运筹与管理》

基　　金：国家自然科学基金重点项目(71932002);北京市自然科学基金项目(9192001);北京市教委社科计划一般项目(SM202010005005);中国政法大学钱端升学者支持计划(DSJCXZ180403)。

年　　份：2023

卷　　号：32

期　　号：5

起止页码：168-174

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、CSSCI、CSSCI_E2023_2024、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：汇率波动率是刻画外汇金融资产收益变化程度的指标,也是度量外汇风险的方法之一,汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征,准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性,本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法,对数据进行分解集成和建模,提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下:首先,采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项;然后采用支持向量回归(SVR)的方法对本征模态函数进行预测,并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时,使用差分自回归移动平均模型(ARIMA)预测趋势项;最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。

关 键 词：汇率波动率预测  集成经验模态分解  相空间重构 支持向量回归

分 类 号：F830.92[金融学类] F224