欧元对人民币汇价短期预测
摘要以2002年4月2012年5月欧元对人民币汇价数据为基础，运用ARMA模型进行汇价的拟合，通过对比分析，得出ARMA21模型能更好地模拟欧元对人民币汇价的走势。文中运用此模型进行预测其结果具有精度高、稳定性好等特点。通过对未来汇价的预测可以为有效制定相关决策，实现外汇投资盈利提供帮助。
关键词ARMA模型欧元汇价预测时序数据SAS软件AbstractBasedo
thedataofEuroagai
stRMBexcha
geratefromApril2002toMay2012usi
gtheARMAmodeltofitthepriceweca
ack
owledgethattheARMA21modelbettersimulatethetre
doftheexcha
geratethroughcomparativea
alysisI
thispapertheresulthastheadva
tagesofhighprecisio
goodstabilitya
dothercharacteristicswithusi
gthemodelThefutureexcha
geratepredictio
ca
providehelptomakereleva
tdecisio
seffectivelya
dachieveimpleme
tatio
offoreig
excha
gei
vestme
tprofitKeywordsARMAmodelTheeuroexcha
gerateforecastTimeseriesdataSASsoftware一、绪论为了讨论欧元对人民币汇价动态行为所具有的复杂性，首先需要建立汇价动态预测模型，并对所需模型复杂行为和条件进行探讨。在实际问题中系统现象大多为非平稳序列，由于非平稳时间序列的方差随着时间的推移而增加，并不符合经典回归模型的假设条件，拟合效果也不理想，所以无法使用回归模型来表示该种经济现象和预测未来变化。如何建立表现趋势性和季节性等复杂现象最合适的
f模型，需要进一步探讨。经过试算认为，用时间序列ARMA模型预测汇价变动精度较高，同时具有一定的可操作性及实用价值。本文就如何选择动态模型进行汇价实证研究谈点个人见解。
二、本论（一）ARMA模型构建思路ARMA预测法是由自回归模型（AR）及移动平均模型MA组成的。ARMA系统的建模思想是将预测对象随时间的推移而形成的数据序列视为一个随机序列。构成该时序的单个序列虽然具有不确定性但整个序列的变化却有一定的规律性。如果该时间序列是非平稳序列通过差分才能够达到平稳。在实际应用中要根据系统现象本身特征采用几种方法交叉使用，然后选择最合适的阶数在实际应用中要根据系统现象本身特征采用几种方法交叉使用，然后选择最为合适的阶数（pq）作为待建模型。利用ARMA模型进行预测的具体步骤一是平稳性检验。在确定或估计各种时间序列之前为了获得可靠一致的结果，必须确定时间序列为一平稳序列。（1）对原始时间序列的平稳性检验通过观察时序图和自相关图来进行；（2）检验平稳序列是不是白噪声序列。一般通过自相关图来判断，若自r