《表4 融合模型的预测误差》
本文将ARIMA模型对趋势序列的预测结果与机器学习模型对周期序列的预测结果进行整合,实现对离岸人民币汇率序列的预测。表4报告了融合模型的预测结果,可以看出,相对于表1的结果来说,所有融合模型的预测效果均有了大幅提升。效果最好的是ARIMA+rf模型,其RMSE仅为0.019 3,Theil-U指数仅为0.001 4,而DAR高达0.821 8。其次是ARIMA+Elman模型,其RMSE、Theil-U指数、DAR分别达到0.019 6、0.001 4、0.819 1。ARIMA+RNN和ARIMA+ANN的预测效果也不错,相对于表1的模型,其预测效果有了一定的改善。图8的融合模型预测曲线显示,四个融合模型的预测曲线与汇率曲线紧紧贴合在一起,除了极个别的数据点之外,曲线极为相似,说明模型取得了优异的预测效果。综合来看,采用HP滤波法分离汇率序列的趋势项和周期项,并利用ARIMA和机器学习模型分别进行拟合,可以实现对离岸人民币汇率水平的准确预测。
图表编号 | XD00137624500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 周亮 |
绘制单位 | 湖南财政经济学院学报编辑部 |
更多格式 | 高清、无水印(增值服务) |