机器学习融合ARIMA模型的离岸人民币汇率预测

作者：周亮

来源：统计学报, 2020, 1(02): 48-56.

DOI：10.19820/j.cnki.issn2096-7411.2020.02.006

• 人民币汇率
• 机器学习
• ARIMA
• 神经网络
• 随机森林

采用HP滤波方法将离岸人民币汇率分解为趋势项和周期项,利用ARIMA模型和机器学习模型对其进行预测后再将两者进行融合。实证结果表明:ARIMA模型在进行单一模型预测时表现最好,而无论采用何种机器学习模型,融合模型都能显著改善单一模型的预测绩效;从神经网络参数的稳健性检验来看,复杂网络并不能改善简单网络的预测效果,即由于金融时间序列噪声较多、输入单元较少,简单机器学习模型就能取得优良的绩效,而复杂模型却容易出现过拟合,从而降低预测绩效。