匯率預(yù)測方法綜述

吳思

摘 要：匯率預(yù)測方法是學(xué)術(shù)界長期爭論的話題，國內(nèi)外學(xué)者的匯率預(yù)測方法可以分為四類，即基本因素分析法、技術(shù)分析法、市場分析法和組合分析法。在系統(tǒng)介紹當(dāng)前匯率預(yù)測方法理論體系的基礎(chǔ)上，通過對比國內(nèi)外關(guān)于各種匯率預(yù)測方法的研究成果，總結(jié)各類分析法的不足之處，以期為后續(xù)研究提供參考。

關(guān)鍵詞：匯率;預(yù)測方法;綜述

中圖分類號：F224? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ?文章編號：1673-291X（2019）23-0135-03

隨著經(jīng)濟(jì)全球化不斷深入，預(yù)測匯率走勢對一國政府、企業(yè)以及個人都具有重大意義。但目前國內(nèi)學(xué)術(shù)界關(guān)于匯率預(yù)測方法的文獻(xiàn)綜述很少。本文力圖梳理當(dāng)前國內(nèi)外關(guān)于匯率預(yù)測方法的重點文獻(xiàn)，并分析各類匯率預(yù)測方法的不足，旨在為匯率預(yù)測方法的研究提供綜述依據(jù)。

一、基本因素分析法

基本因素分析法依據(jù)影響匯率變動的各種因素發(fā)生作用的方向和強(qiáng)度，來預(yù)測匯率變動的走勢。它以匯率決定理論為基礎(chǔ)構(gòu)建預(yù)測模型，通過OLS等回歸分析法預(yù)測匯率的走勢。

眾多研究表明，基本因素分析法在實踐中對匯率預(yù)測的結(jié)果往往不令人滿意。絕對購買力平價理論就被證實其預(yù)測準(zhǔn)確度不高（陳浪南，1990;鄭蘭祥，2000）;貨幣模型雖具有長期預(yù)測效果，但對一年內(nèi)的預(yù)測無效（Mark，1995）;利率平價理論的一些假設(shè)條件在現(xiàn)實中難以成立，加上影響未來匯率變動因素的復(fù)雜性，使利率平價理論在短期匯率的預(yù)測上有所偏移（蔡■霞，2006）。有些學(xué)者甚至認(rèn)為，過去30年間所有的匯率模型，包括貨幣模型、購買力平價模型、非拋補(bǔ)利率平價模型及巴拉薩—薩繆爾森生產(chǎn)率模型及四個模型的綜合模型，沒有任何模型的短期預(yù)測力能夠穩(wěn)定超過隨機(jī)游走模型（Meese & Rogoff，1995;Cheung，等，2005;鄧貴川，等，2016）。

后續(xù)研究學(xué)者則在對匯率決定理論模型進(jìn)行修正后，取得了一定的成果。例如，引入兩國間債權(quán)債務(wù)關(guān)系，對傳統(tǒng)的貨幣主義模型進(jìn)行修正，建立匯率預(yù)測模型（袁偉，等，2014）;采用分位數(shù)回歸法來估計匯率決定模型（關(guān)蓉，等，2017）。

也有學(xué)者不依靠匯率決定理論，而是根據(jù)一定的標(biāo)準(zhǔn)選出諸如貨幣供應(yīng)量、外匯儲備兩國利率差、貿(mào)易條件等匯率的影響因素（袁達(dá)，等，1999;張蜀林，等，2016），并構(gòu)建模型來對匯率走勢進(jìn)行預(yù)測，如魏巍賢（1998）構(gòu)建的基于協(xié)整技術(shù)分析的匯率短期預(yù)測模型、張蜀林等（2016）構(gòu)建的M-MIDAS模型。還有學(xué)者構(gòu)建匯率波動影響指標(biāo)，如郝陽（2016）發(fā)現(xiàn)，基于“金融調(diào)整渠道”的匯率調(diào)整壓力指標(biāo)對匯率變動有很強(qiáng)的預(yù)測能力。

二、技術(shù)分析法

技術(shù)分析法是指只依靠匯率過去的變動趨勢，使用數(shù)學(xué)、統(tǒng)計學(xué)原理對未來的匯率走勢進(jìn)行預(yù)測。匯率預(yù)測的技術(shù)分析法主要包括參數(shù)統(tǒng)計法、非參數(shù)統(tǒng)計法以及組合預(yù)測法。

（一）參數(shù)統(tǒng)計方法

1.線性模型。常見的匯率預(yù)測的線性參數(shù)模型有ARMA模型、ARIMA模型等，部分學(xué)者在匯率預(yù)測方面取得了較好的效果（范正綺，等，1997;馬莉，等，2009），然而更多情況下用線性參數(shù)模型來預(yù)測匯率并不精確，其預(yù)測效果不如GARCH、STAR等非線性參數(shù)模型（許少強(qiáng)，等2007;劉柏，等，2008;劉姝伶，等，2008）。

2.非線性模型。由于匯率的影響因素眾多，利用線性模型預(yù)測的結(jié)果往往精度不高，因此許多學(xué)者構(gòu)建非線性參數(shù)模型來預(yù)測匯率，并取得了不錯的效果，如GARCH模型（惠曉峰，等，2003;蘇巖，等，2007;魏紅燕，等，2014）、EGARCH模型（戴曉楓，等，2005）、TAR模型（蘇玉華，2014）、STAR模型（劉柏，等，2008）、LSTAR模型（徐家杰，2013）以及貝葉斯平均分類回歸模型（畢玉江，等，2016）。同時，不少研究發(fā)現(xiàn)不同貨幣適用于不同的非線性模型，如李志斌等（2010）將ARCH類模型的匯率預(yù)測效果進(jìn)行對比，發(fā)現(xiàn)TARCH模型較好地擬合了人民幣對港幣匯率的波動特征，GARCH模型則更好地擬合了人民幣對美元匯率的波動率特征。

（二）非參數(shù)統(tǒng)計方法

1.同質(zhì)神經(jīng)網(wǎng)絡(luò)模型。用同質(zhì)神經(jīng)網(wǎng)絡(luò)預(yù)測匯率的研究很多。Refenes等（1993）、T.D.Chaudhuri等（2016）采用神經(jīng)網(wǎng)絡(luò)方法預(yù)測匯率變動，認(rèn)為神經(jīng)網(wǎng)絡(luò)在特定情況下有一定的預(yù)測效果，L.Falat（2016）則利用改造后的徑向基神經(jīng)網(wǎng)絡(luò)提高了匯率預(yù)測精度。Zhang和Hu（1998）、孫柏和謝赤（2009）、王向宇等（2010）、錢曉東等（2010）、胡歡等（2014）分別用BP神經(jīng)網(wǎng)絡(luò)模型、層反饋（RNN2）網(wǎng)絡(luò)結(jié)構(gòu)模型、VLRBP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)以及Elman網(wǎng)絡(luò)模型對匯率特別是短期匯率進(jìn)行預(yù)測，并取得了一定的效果。

然而，同質(zhì)神經(jīng)網(wǎng)絡(luò)模型并不適用于所有幣種匯率的預(yù)測，如Kuan和Liu（1995）發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)只對日元、英鎊兌美元的預(yù)測較為準(zhǔn)確，但對加拿大元、德國馬克及瑞士法郎兌美元的預(yù)測效果一般。

2.支持向量機(jī)模型。支持向量回歸（SVR）最早是Vapnik（1995）提出的用來解決分類和識別問題的非參數(shù)方法，后由于其強(qiáng)大的預(yù)測能力也被應(yīng)用于金融和經(jīng)濟(jì)領(lǐng)域。國內(nèi)學(xué)者中陳詩一（2007）較早應(yīng)用SVR方法預(yù)測中國、韓國、印度和瑞士四國貨幣兌美元的日匯率，證明SVR方法具有較強(qiáng)的預(yù)測能力。方兆本等（2015）用基于自相關(guān)函數(shù)均值變點的HHT法對匯率數(shù)據(jù)進(jìn)行降噪后，再利用SVR方法進(jìn)行預(yù)測，發(fā)現(xiàn)預(yù)測精度有所提高。

3.馬爾科夫鏈模型。馬爾科夫鏈中的某一時刻的數(shù)值僅與前一時刻數(shù)值相關(guān)，與其他歷史時刻的數(shù)值無關(guān)。若能證實匯率具有馬爾可夫性質(zhì)，則可利用馬爾科夫鏈模型來預(yù)測匯率。陳敏等（2007）和劉巖等（2007）分別運用馬爾科夫鏈模型對人民幣兌美元的匯率進(jìn)行預(yù)測，預(yù)測結(jié)果與實際情況相符。張成虎等（2010）利用馬爾科夫區(qū)制轉(zhuǎn)移模型對人民幣兌美元匯率進(jìn)行預(yù)測，同樣取得了不錯的效果。

4.其他非參數(shù)統(tǒng)計方法。除以上三種方法外，國內(nèi)外學(xué)者還運用其他如遺傳算法模型（賈光峰等，2008）、灰度預(yù)測模型（張淵淵，等，2011）、小波分析（殷光偉，2011）等非參數(shù)方法來預(yù)測匯率。

（三）組合預(yù)測法

組合預(yù)測法最早由Bates和Grange（1969）提出。它能改進(jìn)單項預(yù)測方法的不足，提升模型的預(yù)測精度。

Hu和Tsoukalas（1999）用不同的GARCH模型預(yù)測條件波動，并對這些預(yù)測值進(jìn)行線性和非線性組合，結(jié)果表明，用神經(jīng)網(wǎng)絡(luò)進(jìn)行非線性組合的預(yù)測效果是最好的。Tseng等（2002）、Zhang（2003）和Yu，Wang和Lai（2005）則分別將SARMIA模型、ARIMA模型和GLAR模型與神經(jīng)網(wǎng)絡(luò)模型組合進(jìn)行預(yù)測。謝赤和歐陽亮（2008）通過比較同質(zhì)神經(jīng)網(wǎng)絡(luò)模型、異質(zhì)神經(jīng)網(wǎng)絡(luò)模型以及神經(jīng)網(wǎng)絡(luò)組合模型，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)組合模型能更好地預(yù)測匯率的變動趨勢。洪嘉灝等（2016）提出將匯率時間序列中線性部分的數(shù)據(jù)通過隨機(jī)游走模型進(jìn)行模擬，剩余的非線性殘差部分用前饋神經(jīng)網(wǎng)絡(luò)和誒爾曼神經(jīng)網(wǎng)絡(luò)處理的組合預(yù)測方法，證明該組合預(yù)測方法的預(yù)測精度優(yōu)于單項預(yù)測模型。傅魁等（2018）運用改進(jìn)的集成經(jīng)驗?zāi)B(tài)分解（MEEMD）和模糊灰色關(guān)聯(lián)度分析，發(fā)現(xiàn)MEEMD組合模型的預(yù)測效果優(yōu)于其他單模型和組合模型。

盡管組合預(yù)測模型在預(yù)測精度上優(yōu)于單項模型，但由于單個組合預(yù)測模型總是基于特定時段匯率的波動特征，使得組合預(yù)測模型的通用性大打折扣，更為適用短期匯率預(yù)測。不少學(xué)者則試圖構(gòu)建高自適用性模型來解決這一難題，如蔣傳進(jìn)（2017）基于單項模型的偏度、誤差方差比、預(yù)測步長和相關(guān)性四個因素構(gòu)建擁有自適用性的模型遴選程序，使得組合模型能夠根據(jù)匯率特征自動篩選出適用性最高的模型，從而提高模型的普適性。

三、市場分析法

市場分析法是指利用當(dāng)前市場匯率行情來估計未來即期匯率的方法。韓立巖等（2007）利用2004年芝加哥商品交易所的美元—歐元期貨期權(quán)的信息，分析發(fā)現(xiàn)隱含偏度、隱含波動率與每日匯率變化率有緊密聯(lián)系;李艷麗（2017）通過對2005年7月至2016年5月境內(nèi)外四種不同期限的人民幣遠(yuǎn)期匯率和即期匯率進(jìn)行分析，發(fā)現(xiàn)期限越短，人民幣遠(yuǎn)期匯率無偏性表現(xiàn)越好，流動性、廣度和深度更強(qiáng)的外匯市場的遠(yuǎn)期匯率對未來匯率預(yù)測的無偏性更好。

孔儀方等（2012）則認(rèn)為，應(yīng)考慮遠(yuǎn)期匯率、國內(nèi)利率與國外利率對即期匯率變動趨勢的綜合影響，運用由遠(yuǎn)期匯率指標(biāo)測算而得的貶值壓力指標(biāo)取代遠(yuǎn)期匯率指標(biāo)本身，分析其對即期匯率市場的價格傳遞效應(yīng)。

四、組合分析法

組合分析法指的是結(jié)合基本因素分析法、技術(shù)分析法以及市場分析法中兩種及兩種以上的方法預(yù)測匯率走勢的方法?；疽蛩胤治龇ɑ诙喾N假設(shè)條件，在短期匯率預(yù)測上存在困難。而技術(shù)分析法缺乏理論依據(jù)，無法對中長期匯率進(jìn)行預(yù)測。組合分析法的出現(xiàn)，通過取長補(bǔ)短，能夠彌補(bǔ)各類匯率預(yù)測法的短板。

（一）基本因素分析法與技術(shù)分析法結(jié)合

由于匯率波動不僅受自身波動規(guī)律的影響，而且還會受到眾多宏微觀經(jīng)濟(jì)因素的影響，因此匯率預(yù)測組合分析絕大多數(shù)情況是將基本因素分析法和技術(shù)分析法結(jié)合進(jìn)行。

國外學(xué)者中，Guerand（1989）最早采用組合分析法，得出中、短期預(yù)測組合模型對外匯市場的預(yù)測是有效的。國內(nèi)學(xué)者中唐小我等（1996）構(gòu)建的粘性價格模型和單變量時間序列模型的組合模型對中長期匯率的預(yù)測效果優(yōu)于隨機(jī)游走模型。江春等（2018）將多種匯率決定模型、計量模型相結(jié)合對人民幣兌美元匯率進(jìn)行預(yù)測，發(fā)現(xiàn)泰勒規(guī)則模型預(yù)測能力高于隨機(jī)游走模型。

在基本因素分析和技術(shù)分析的組合模型中，異質(zhì)神經(jīng)網(wǎng)絡(luò)模型的研究最多，它將基本因素法和人工神經(jīng)網(wǎng)絡(luò)模型結(jié)合起來預(yù)測匯率。Shazly（1997）選取一個月歐洲美元存款利率、一個月歐洲外幣存款利率、即期匯率和一個月的遠(yuǎn)期匯率作為輸入變量，預(yù)測一個月后的即期匯率，證明神經(jīng)網(wǎng)絡(luò)的預(yù)測效果比通過遠(yuǎn)期匯率進(jìn)行預(yù)測的效果要好?；輹苑宓龋?998，2005）則選取兩國的CPI和GDP、利率差、貨幣供應(yīng)比、凈出口額、外匯儲備等變量，用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行匯率預(yù)測，具有較高的預(yù)測精度。徐立本等（2005）以消費物價指數(shù)為輸入變量，以匯率為輸出變量構(gòu)造了人民幣匯率的預(yù)測模型，結(jié)果顯示其預(yù)測效果明顯優(yōu)于隨機(jī)游動模型。

（二）技術(shù)分析法與市場分析法結(jié)合

將技術(shù)分析法與市場分析法結(jié)合來預(yù)測匯率的研究不多。侯鐵珊等（2013）將1月期人民幣NDF作為輸入變量，使用非線性自回歸神經(jīng)網(wǎng)絡(luò)對人民幣匯率進(jìn)行預(yù)測，發(fā)現(xiàn)NDF參與匯率預(yù)測是有效的。

五、結(jié)論

本文通過總結(jié)分析國內(nèi)外學(xué)者關(guān)于匯率預(yù)測方法的理論和實證研究，發(fā)現(xiàn)各匯率預(yù)測方法雖然通過計量經(jīng)濟(jì)學(xué)原理能夠?qū)R率波動的方向、大小進(jìn)行預(yù)測和量化，但由于自身存在缺陷，導(dǎo)致預(yù)測精度有限。基本因素分析法主要基于匯率決定理論，能夠?qū)χ虚L期匯率的波動進(jìn)行較好的預(yù)測，但受各匯率決定理論的假設(shè)限制，預(yù)測精度（特別是對短期匯率的預(yù)測）受限。技術(shù)分析法雖然通過計量經(jīng)濟(jì)學(xué)原理能夠?qū)R率波動的方向和大小進(jìn)行預(yù)測和量化，但由于缺乏理論依據(jù)，容易背離經(jīng)濟(jì)基本面，從而無法解釋中長期匯率波動。市場分析法運用遠(yuǎn)期匯率市場行情來預(yù)測匯率，忽略了其他經(jīng)濟(jì)因素對匯率的影響。組合分析法將以上三種匯率預(yù)測方法加以結(jié)合，能夠彌補(bǔ)單個預(yù)測方法的缺陷，但是如何將它們有機(jī)結(jié)合在一起形成一套完善的匯率預(yù)測機(jī)制，還是今后研究中需要克服的一道難關(guān)。

參考文獻(xiàn)：

[1]? KUAN C.M.，LIU T.Forecasting exchange rates using feed forward and recurrent neural networks[J].Journal of Applied Econometrics，1995，10（4）.

[2]? Cheung Y.W.，Chinn M.D.，Pascual A.G.Empirical exchange rate models of the nineties：Are any fit to survive？[J].Journal of International Money and Finance，2005，（7）.

[3]? Chaudhuri T.D.，Ghosh I.Artificial neural network and time series modeling based approach to forecasting the exchange rate in a multivariate framework[R].Working Paper，2016.

[4]? 陳浪南.不同匯率制度下的匯率預(yù)測[J].金融研究，1990，（9）.

[5]? 唐小我，滕穎，曾勇.匯率的組合預(yù)測模型及應(yīng)用[J].預(yù)測，1996，（3）.

[6]? 惠曉峰，柳鴻生，胡偉，何丹青.基于時間序列GARCH模型的人民幣匯率預(yù)測[J].金融研究，2003，（5）.

[7]? 陳詩一.匯率預(yù)測：一個新的非參數(shù)支持向量回歸方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，（5）.

[8]? 王向宇，須文波，孫俊，趙琪.基于VLRBP神經(jīng)網(wǎng)絡(luò)的匯率預(yù)測[J].計算機(jī)工程與設(shè)計，2010，（1）.

[9]? 魏紅燕，孟純軍.基于GARCH模型的短期匯率預(yù)測[J].經(jīng)濟(jì)數(shù)學(xué)，2014，（1）.

[10]? 張蜀林，楊洋.基于混頻數(shù)據(jù)的人民幣匯率預(yù)測研究[J].商業(yè)研究，2016，（12）.