基于GARCH模型的人民币汇率走势预测
基于时间序列GARCH模型的人民币汇率预测
基于时间序列GARCH模型的人民币汇率预测一、本文概述1、简述人民币汇率的重要性及其在全球经济中的地位人民币汇率在全球经济中具有举足轻重的地位，其不仅影响着中国经济的内外部平衡，也对全球经济格局产生深远影响。
人民币汇率的变动直接关系到中国的进出口贸易、资本流动以及外汇储备等多个方面，从而影响着中国经济的稳定与发展。
人民币汇率的变动对中国进出口贸易具有直接的影响。
汇率的贬值有助于提高中国出口商品的国际竞争力，促进出口增长；而汇率的升值则会降低出口商品的竞争力，对出口产生一定的抑制作用。
汇率的变动也会影响中国进口商品的成本，进而影响国内物价水平和消费者的购买力。
人民币汇率的变动对中国资本流动产生重要影响。
汇率的波动会影响国内外投资者对中国资产的估值和风险偏好，从而影响资本流入和流出的规模和方向。
稳定的汇率有助于吸引外资流入，促进中国经济的国际化进程；而汇率的过度波动则可能导致资本外流，对中国经济造成不利影响。
人民币汇率的稳定对于维护中国外汇储备的价值和安全也具有重要意义。
作为世界上最大的外汇储备国之一，中国需要保持汇率的相对稳定，以避免外汇储备价值的缩水。
同时，稳定的汇率也有助于增强国际社会对人民币的信心和认可度，推动人民币的国际化进程。
在全球经济中，人民币汇率的地位同样不可忽视。
作为世界第二大经济体和最大的贸易国之一，中国的人民币汇率变动对全球经济格局产生着重要影响。
人民币汇率的稳定与否直接关系到全球经济的稳定与发展，特别是在当前全球经济复苏乏力、贸易保护主义抬头的大背景下，人民币汇率的稳定更是显得至关重要。
人民币汇率的重要性及其在全球经济中的地位不容忽视。
为了维护中国经济的稳定与发展，需要密切关注人民币汇率的变动趋势，并采取有效的政策措施进行调控和管理。
也需要加强国际合作与交流，共同推动全球经济的稳定与发展。
2、阐述人民币汇率预测的必要性和意义随着全球化进程的加速和中国经济的持续崛起，人民币汇率作为连接国内外经济的桥梁，其波动与走势不仅关乎国内经济的稳定与发展，也深刻影响着国际经济格局。
基于GARCH模型对人民币汇率波动的实证研究
展水 平 。另外 ，汇率会对 国外 的投 资与 资本 流动产 生重 要影 响，而投资是经济增 长的一部分 ，资本的流动甚至会引发金融
危机 。因此 ，对 于汇率波 动的研究具有 重要 的意义 ，对于汇率
国内对 于Ｇ Ｒ Ｈ Ａ Ｃ 模型 的应用仍主要集中在对证券市场关于
股票价格的实证研究 上。 由于我国长期实施的是事实上的固定
二 、 理 论模 型 介 绍 １Ａ Ｃ ． Ｒ Ｈ模 型
的预测能使国际贸易有效地 回避汇率风险。本文通过对人 民币
汇率波动特征进行研究 ，以期对汇率 的预测有所帮助 。
随着Ｅ ｇ （９ ２ 开 创性 地提 出了条件 异方差 自回归方 程 ｎ ｌ １８ ） ｅ
（ Ｒ Ｈ） Ａ Ｃ 概念 ，Ｂ ｌ ￣ ｅ（ ９６ 对其进行 了直 接扩展 形成广 义 ｏ ｅ ｌ １８ ） ｌ ｖ 条件异方差 自回归（ Ａ Ｃ 模 型。之后众多学者开始对金 融领 Ｇ Ｒ Ｈ）
（ Ａ Ｃ Ｈｇｉｓａ ｄ Ｂ ａ，９２ ， 多 元 Ｇ Ｒ Ｈ（ ｌｖｆ ｂｅ Ｐ Ｒ Ｈ， ｉ ｎ ｎ ｅｒ１９ ） ｇ Ａ Ｃ Ｍｕｔ ａ ａｌ ｉｉ
例 ，均值方程为 ：
＝
Ｇ Ｒ Ｈ，ｎ ｌ ａ ｄＫ ｅ，９ ５ 等模 型。有名 的当属关于非对 Ａ Ｃ Ｅ ｇ ｎ ｗｎｒ１９ ） ｅ
１ ９ ） Ｔｒｓｏ Ｒ Ｈ （Ａ Ｃ Ｚ ｋｉ ，９ ０ ， ｏ ｅ Ａ Ｃ ９ １ ， ｈｅｈｌ Ａ Ｃ Ｔ Ｒ Ｈ，ａｏ ｎ １ ９ ） Ｐ ｗ ｒ Ｒ Ｈ ｄ ａ
Ａ Ｃ 模型的主要思想 扰动项ｅ的条件方差依赖于它的前 ＲＨ ｌ 期值 的大小 ，通过对序列 的均值和方差 同时建模 。设Ｙ ｔ 为因变 量 ，ｘ 为解释变量 ，在ｔ 时刻可获得的信息集为Ｑ 的条件下 ，误 差 项８ 为期望值 ，ｈ 以０ 为条 件方差 的正态分布 。￣Ａ Ｃ ｐ 为 Ｒ Ｈ（ ）
基于时间序列GARCH模型的人民币汇率预测
基于时间序列GARCH模型的人民币汇率预测一、本文概述随着全球经济的不断发展和金融市场的日益开放，人民币汇率作为国际金融市场的重要指标，其波动性和预测性受到了广泛关注。
时间序列分析作为一种重要的统计方法，对于揭示时间序列数据的内在规律和预测未来走势具有显著优势。
而GARCH模型（广义自回归条件异方差模型）作为时间序列分析中的一种重要模型，能够有效捕捉金融时间序列数据的波动性特征，因此在人民币汇率预测中具有广阔的应用前景。
本文旨在利用时间序列GARCH模型对人民币汇率进行预测研究。
我们将对人民币汇率的历史数据进行整理和分析，探讨其波动性的特点和规律。
然后，我们将构建基于GARCH模型的人民币汇率预测模型，并通过实证分析验证其预测效果。
在此基础上，我们将进一步探讨影响人民币汇率波动的因素，为投资者和政策制定者提供有价值的参考信息。
本文的研究不仅有助于深入理解人民币汇率的波动性特征，而且可以为金融市场的风险管理和投资决策提供有力支持。
二、文献综述汇率预测一直是金融领域的研究热点，其对于政策制定、投资决策以及风险管理等方面具有重要意义。
随着计量经济学的不断发展，时间序列分析在金融领域的应用越来越广泛。
其中，GARCH模型作为一种重要的时间序列模型，在汇率预测中得到了广泛应用。
早期的研究主要集中在GARCH模型的基础理论和应用方面。
Engle （1982）首次提出了自回归条件异方差（ARCH）模型，用于描述时间序列数据的波动性。
随后，Bollerslev（1986）在ARCH模型的基础上进行了扩展，提出了广义自回归条件异方差（GARCH）模型，进一步提高了模型的拟合能力和预测精度。
这些研究为GARCH模型在汇率预测中的应用奠定了基础。
近年来，越来越多的学者开始关注基于时间序列GARCH模型的汇率预测研究。
例如，ie和Wang（2012）利用GARCH模型对人民币汇率进行了预测，并发现该模型能够较好地捕捉汇率的波动性。
基于GARCH模型的人民币对美元汇率波动的实证分析
摘要 ｉ 本文基 于 Ｇ Ａ ＲｃＨ模 型族 通过对 ２ ０ ０ ５年 ７ 月。 ２ １回到 ２ ｏ １ ３ 年 ５月 ３ ０日人 民币对 美元的高频 日ｊ Ｅ 率数据的实证研 究， 分 析我 国从 第一次汇改到第二 次汇改， 不同阶段我国 民币汇 孥波动的特征 。并且通过． ｉ ， － Ｔ Ｇ ￣ ＲＣ Ｈ和 Ｅ Ｇ Ａ Ｒ ＿ Ｃ Ｈ 的模型估计 ， 验 证 人民币对美元的汇率 波动率序列在观察期 一不具有非对称性质 ， 即不存在 明显的杠杆效应。
一
值 的加权平方和。若 Ａ Ｒ Ｃ Ｈ过程平稳 ， 则应满足
＋ ＋… ＜ １ 。
Hale Waihona Puke （ 二） Ｇ Ａ Ｒ Ｃ Ｈ 模 型
在Ａ Ｒ Ｃ Ｈ（ ｐ ） 模 型中 ， 如果 Ｐ很 大 ， 则要估 计很多参数 ， 会 损 失样本容量 。Ｂ ｏ ｌ ｌ ｅ ｒ ｓ ｌ ｅ ｖ于 １ ９ ８ ６年提出了改进的 Ａ Ｒ Ｃ Ｈ模型 ， 即 Ｇ Ａ Ｒ Ｃ Ｈ模 型 ， 该模型弥补了在有 限样本条件下 ， Ａ Ｒ Ｃ Ｈ模型阶数 过大 所 带来 的计 算 效率 与精 度上 的 不足 。其 基 本思 想 是 ， 在 Ａ Ｒ Ｃ Ｈ模型的基础上 ， 再加上 的 白回归部分 ， 即 还是 ｛ … ｝ 的函数 。Ｇ Ａ Ｒ Ｃ Ｈ￣ ， ｑ ） 的模型设定为
ｏ ￣ ＝ ａ ｏ ＋ ａ ｌ ｅ ２ ｔ 一 １ ＋ …＋ ａ ｑ ｅ ２ ｔ 呻 ＋ ｙ ｌ Ｏ ａ ２ ｔ ＿ １ ＋ …＋ 其中 Ｐ 是 的 自回归阶数
ｑ是 ｅ 的滞后 阶数
ａ ｏ ＞ Ｏ ， ｔｅ ａ ＞０ ， ≥０ ， （ ｉ ＿ １ ， ２ …ｑ ） （ ｉ ＝ １ ， ２ …ｐ ） 。 Ｇ Ａ Ｒ Ｃ Ｈ（ ｐ ， ｑ ） 模 型将经济 变量 的波动来源 划分 为变量 过去 的波动性 和外部冲击 ｅ ，而 ａ ｔ 和 分别反映 了它们对本期 变量波动 的作用强度 。因此 ， Ｇ Ａ Ｒ Ｃ Ｈ（ ｐ ， ｑ ） 模型 可以看作是观测 系统 的一种波动率形成机制 。另外 ， 在金融市场上 常出现这样一 种现象一好消息和坏 消息对金 融资产 的收益率 波动的影响是不 样的， 即存在信息的非对称性 ， 坏消息 的影 响比好 消息要大 的 情况被称 为杠杆效应 。但 是 ， Ｇ Ａ Ｒ Ｃ Ｈ模型不 能反映有关非对称 性和杠杆效应 的信 息。
基于GARCH模型的人民币汇率预测
月 的人 民 币兑 美元 日汇 率 建模 ． 进 行 短 期 预 测和预测评价 。 结果表 明， ￣Ａ ＲＣＨ（ １ ， １ ）
模 型 在 一 定 程 度 上 拟 合 了人 民 币 兑 美 元 汇率的时间序列 ． 在 预 测 短 期 汇 率 上 具 有
一
法， 其 参 数 不 具有 经 济 意 义 。鉴于 此 ， 而 技 术 分 析 方 法 中 较 为 突 出 的 是 数 据 挖 掘 本 文 选 用 时 间 序 列 模 型 进 行 预 测 ． 法和时间序列分析法 。 在 汇 率 预 测 中最 为 常 用 的 是 Ａ ＲＩ ＭＡ 基 础 因 素 分 析 法 以 经 济 理 论 为 基 模 型 和 Ｇ Ａ ＲＣＨ 模 型 ．尽 管 国 内 学 者
者 们 关 注 的 热 点
２ ０ ０ ５年 ７月 ２ １日起 ． 我 国 开 始 实
结合 的组合 预 测模 型 ． 提 高 了 模 型 的 预 件 进 行 了 扩 展 得 到 的 。其 基 本 思 想 是 ： 用 测 效 果 。时 间 序 列 模 型 的 汇 率 预 测 方 法
一
个或 两个 盯 的 滞 后 值 代 替 许 多
人 民币 在国际 货币体 系 中的地位越 来越 支持 向 量机 等 。杨 帆 （ ２ ｏ １ １ ） 提 出 一 种 基 方 差 模 型 ． 由Ｂ ｏ ｌ ｌ ｅ ｒ ｓ ｌ ｅ ｖ （ １ ９ ８ ６ ） 在对 Ｅ ｎ ｇ ｌ ｅ
重要。 人 民 币汇 率 问 题 已 经 成 为 国 内 外 学 于 光 顺 样 条 滤 波 与 径 向 基 神 经 网 络 相 ｆ １ ９ ８ ２ ）提 出 的 Ａ ＲＣＨ 模 型 的 一 些 约求 为 基 础 、 参 考 一 篮 子 货 主 要 有 Ａ ＲＭ Ａ 、 Ａ Ｉ Ｌ Ｉ ＭＡ 、 Ｇ Ａ ＲＣ Ｈ 等 模 滞 后 值 。Ｇ Ａ ＲＣ Ｈ 与 ＡＲＣ Ｈ 模 型 的 区 别 币进行调节 、 有 管 理 的浮 动 汇 率 制 度 。 型 。学 者 戴 晓 峰 （ ２ ０ ０ ５ ） ， 刘姝伶 （ ２ ０ ０ ８ ） 通 在 于 Ｇ Ａ ＲＣ Ｈ 模 型 的 条 件 异 方 差 不 仅 是 人 民 币 不 再 盯 住 单 一 美 元 ．政 府 放 松 过 比 较 研 究 发 现 在 对 人 民 币 兑 美 元 中 滞 后 残 差 平 方 的 线 性 函 数 ． 也 是滞 后 条 件 了 对 汇 率 的 制 约 ．形 成 了 更 有 弹 性 的 间 价 的 预 测 中 ．Ｇ Ａ ＲＣＨ 模 型 预 测 效 果 方 差 的 函 数 。 Ｇ Ａ ＲＣ Ｈ 模 型 的 优 点 在 于 它
基于GARCH模型的股价波动预测
基于GARCH模型的股价波动预测基于GARCH模型的股价波动预测一、引言股票市场中的波动性一直是投资者关注的焦点之一。
准确预测股价波动有助于投资者制定合理的投资策略，降低风险并获得收益。
GARCH（Generalized AutoregressiveConditional Heteroscedasticity）模型是一种常用于金融市场波动预测的统计模型，本文将介绍GARCH模型的原理和应用，以及通过该模型进行股价波动预测的方法和步骤。
二、GARCH模型原理GARCH模型通过建模误差项的波动性，捕捉到股票市场的异方差性（Heteroscedasticity）。
GARCH模型基于时间序列分析的基本原理，认为过去的波动对未来波动有重要影响。
该模型通过拟合历史波动性数据，生成一个条件波动性序列，从而预测将来的波动性水平。
GARCH模型由ARCH（Autoregressive Conditional Heteroscedasticity）模型发展而来。
ARCH模型是通过引入滞后误差项的平方，捕捉到异方差性。
然而，ARCH模型只考虑到了平方的影响，而在金融市场中，波动性的影响可能是各种方面的。
GARCH模型在ARCH模型的基础上引入了滞后条件波动性的平方，将过去波动性的信息作为一个冗余变量，从而更好地捕捉到波动性的特征。
三、GARCH模型的应用GARCH模型广泛应用于金融市场，已成为预测股价波动性常用的统计模型。
GARCH模型的应用可以分为两个方面：条件波动性的建模和波动性预测。
1. 条件波动性建模条件波动性建模是GARCH模型的核心内容，通过拟合历史波动性数据，得到一个条件波动性序列。
条件波动性序列可以反映股票市场的波动性水平，投资者可以根据这一信息制定风险管理策略。
条件波动性建模的关键是选择适当的GARCH模型，常用的有GARCH(1,1)、GARCH(1,2)等。
2. 波动性预测GARCH模型的另一个重要应用是波动性预测。
基于双线性GARCH-VaR模型的人民币汇率风险测度
统计与决策2021年第1期·总第565期DOI:10.13546/ki.tjyjc.2021.01.032财经纵横引言2015年8月11日，央行宣布了调整人民币对美元汇率中间价报价机制，这一调整加剧了人民币汇率的市场化，更真实地反映了当期人民币汇率市场的供求关系。
2016年人民币被纳入特别提款权（SDR ），中国在国际上的影响力逐步增强，也进一步体现出人民币在国际经济舞台上的重要作用。
采用何种手段能够更加准确地对人民币汇率数据进行拟合，并在此基础上对汇率风险进行测度，成为研究汇率风险的关键问题。
Bollerslev（1986）[1]在ARCH 模型基础上提出的GARCH 模型可以分析汇率数据具有“尖峰厚尾”“波动率聚集”等特征，但是不能分析其杠杆效应特征。
为此学者们扩展了GARCH 模型[2—5]。
前人在研究人民币汇率市场时，对人民币汇率时间序列数据杠杆效应的研究不够充分，本文所使用的双线性GARCH （Bilinear GARCH，BLGARCH ）模型是由Storti 和Vitale （2003）[5]提出来的，能够充分地体现杠杆效应，双线性GARCH 是GARCH 模型的进一步扩展。
Storti 和Vitale （2003）[6]做了基于EM 算法的双线性GARCH 模型的参数估计，并将该模型的结果运用到股票市场收益率的时间序列分析。
VaR （风险价值）模型自1993年提出以后，经过一段时间的发展，证明该模型能够对金融资产的风险进行一定的测度，目前已经成为金融界度量风险的主要方法[7—9]。
因为金融资产的VaR 预测是GARCH 类模型在风险管理领域的一个重要应用［10］，所以诸多学者将VaR 模型和GARCH 模型结合来研究金融资产的风险测度[11—14]。
目前，国内对于人民币汇率风险的测度大都采用VaR方法，对于模拟汇率数据所使用的ARCH 族模型，原有的研究也基本上停留在原始的GARCH 模型上，随着经济环境越来越复杂，有研究表明双线性GARCH 模型相对于原始的GARCH 模型，能够体现出时间序列数据的杠杆效应，能更好地反映时间序列数据的特征。
基于马尔科夫状态转换GARCH模型的汇率波动预测
作者： 黄晓芝[1];宋伟[2];刘子寅[3]
作者机构： [1]西华大学工商管理学院,成都610039;[2]河北金融学院经济贸易系,河北保定071001;[3]成都农村商业银行股份有限公司,成都610000
出版物刊名： 统计与决策
页码： 84-87页
年卷期： 2017年 第6期
主题词： 马尔科夫链;改进MRS-ARCH模型;汇率;波动;预测
摘要：文章利用汇率波动状态下的均值方程修正了面向汇率日波动特征测度的GARCH模型,并以动态多维条件修正针对汇率波动特征预测的马尔科夫状态转换GARCH模型,结果证实：汇率波动的动态发展趋势具有左部相对厚尾和一定程度的尖峰特征,汇率波动的动态特征及过程中更多动态相互干扰造成了汇率影响的参数异方差效应属性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于GARCH模型的人民币汇率走势预测
【摘要】自2005年7月人民币汇率改革以来，人民币持续升值，分析和预测汇率走势对制定金融政策和投融资决策具有重要意义。
本文运用时间序列的garch 模型，选取05年7月至12年9月的人民币兑美元的日汇率作为样本数据，在论证了garch模型预测可行性的基础上，预测分析了人民币汇率在2012年上半年的大致波动趋势，拟合效果较好。
【关键词】人民币汇率 garch模型趋势预测
一、引言
近年来我国国际收支一直表现为双顺差，持续的国际收支双顺差产生了外币贬值和人民币升值的预期，人民币升值压力更是加大。
自2005年7月21日起，我国进行汇率体制改革，汇率不再固定不变。
人民币的持续升值不但使巨额的外汇储备大量缩水，而且人民币汇率的波动变化也足以影响国际金融、经济关系的发展，其影响几乎渗透到经济生活的各个方面。
因此，正确分析和预测人民币汇率走势显得尤为重要。
国内学者对汇率波动的研究是采用arima、arch还是garch模型一直存在着争论。
张忠杰（2005）认为汇率变化情况符合arima（2，4，5）模型。
苏岩、杨振海（2007）认为汇率变化率的时序数据具有方差时变的特点，同时表现出“波动聚集，高峰厚尾，持久记忆”等现象，此时arma模型已不能较好地拟合而engle（1982）提出的自回归条件异方差（arch）模型却能出色地拟合。
惠晓峰（2005）
等认为我国人民币兑美元的时间序列中存在garch效应，且garch （1，1）模型适用于人民币兑美元的建模，用其来预测短期汇率具有可行性。
反观国外，对如何选取模型对汇率波动进行预测，经济学家们也在争论和研究。
国外学者预测汇率时选择的方法有：博克斯-詹金斯提出的arima模型，engle.r（1983）和kraft.d（1983）提出的自回归条件异方差（arch）模型，后来经bollerslev，t（1986）修正并发展的garch模型等。
在综合比较国内外学者常用的预测方法的基础上，本文采用garch（1，1）模型对人民币汇率基本走势进行研究和分析，希望以此为人民币汇率走势的预测提供较为科学的依据，试看能否将预测应用到汇率风险管理以及套利中去。
二、garch模型的相关理论基础
本文采用的是garch（p，q）模型中的garch（1，1）模型，简单而实用。
garch模型作为一种利用过去的变化和过去的方差来预测未来变化的建模方法，被广泛应用于金融研究领域，并且成为了研究和预测资产和货币收益波动性的常用工具。
由上文可知，汇率的时间序列数据含有方差时变的特点，表现出“波动聚集，高峰厚尾，持久记忆”等现象。
另外随着我国汇率改革的逐步深入，人民币名义汇率的波动十分频繁，与此同时，基本经济因素也在不断地变化者。
若单纯采用传统结构模型来预测汇率，显然不能达到准确预测的目的。
因此，garch（1，1）模型可以用来对人民币汇率进行建模和短期预测。
三、汇率走势预测
实证样本选取期间为2005年7月21日到2012年9月28日，共1752个日数据，数据来源于csmar solution（国泰安数据库），对数据的分析和处理统一使用eviews6.0软件。
根据实证研究需要，将样本数据分割成样本内研究区间（2005年7月21日到2011年12月30日，共1570个日数据）与样本外预测区间（2012年1月4日到2012年9月28日，共182个日数据）两部分。
本文以样本内研究期间的数据来估计预测模型的参数，以样本外期间的数据来检测模型的预测效果。
（一）模型的预检验
1.平稳性检验。
作人民币汇率er的时间序列图，可知，人民币兑美元汇率er序列有明显下降趋势。
接下来进行相应的单位根检验。
从上述的计算输出结果及图3可知，人民币汇率日收益率时间序列偏度为-5.2697183，表明该时间序列波动剧烈。
与标准正态分布的偏度和峰度相比而言，人民币汇率日收益率时间序列呈现明显的尖峰厚尾的分布特征，且jarque-bera统计量也在95%的置信水平上拒绝了该序列是正态分布的假设。
接下来进行相应的单位根检验。
在表2中，人民币汇率的收益序列的adf检验结果是，adf统计量均小于1%和5%显著程度下的临界值，拒绝原假设。
因此可以确定人民币汇率序列er是单整阶数为1的非平稳序列，即人民币汇
率的收益序列y是平稳的时间序列。
2.相关性检验。
对人民币兑美元汇率收益序列yt的自相关函数（acf）和偏自相关函数（pacf）分析后可知，滞后20阶的自相关函数和偏自相关函数在95%的置信水平下，与0无显著性差
（二）模型参数估计
四、结论
本文通过研究和分析，论证了以garch模型预测人民币兑美元汇率具有可行性，建立garch（1，1）模型，并进行了有效的估计预测。
对预测指标进行分析后，得出结论：1.本文选取了具有代表性的人民币兑美元汇率，通过eviews6.0软件分析得到人民币汇率日收益率时间序列的偏度为-5.269718，峰度为107.4401，可见中国外汇市场汇率波动具有尖峰厚尾的特征。
garch（1，1）模型所拟合而得的序列的实际值、拟合值和残差值显示出了汇率波动的群集性特征。
2.garch模型对汇率的预测值围绕着实际汇率波动，两者数值十分接近，拟合曲线与实际汇率走势的方向也是一致的。
根据eviews提供的预测评价指标，检验结果证明了汇率的时间序列存在着异方差性，本文的garch（1，1）模型完全适用于人民币兑美元汇率波动的建模和预测。
这表明在实际中运用garch模型进行汇率预测，是可以达到预期目的的。
3.值得注意的是，garch模型发挥作用的条件限于比较平稳的市场环境。
2005年汇改后，人民币汇率虽然有些波动，但所幸其整体趋势还是比较平稳的。
因此在汇率风险管理及套利中，应用garch模型来预测是非常具有可行性的。
参考文献
[1]高铁梅.计量经济分析方法和建模—eviews应用及实例[m].北京：清华大学出版社，2006.
[2][美]达莫达尔·n·古扎拉蒂.计量经济学基础（第四版）[m].北京：中国人民大学出版社，2005.
[3]苏岩，杨振海.garch（1，1）模型及其在汇率条件波动预测中的运用[j].数理统计与管理，2007，7：615-620.
[4]惠晓峰，柳鸿生，胡伟.基于时间序列garch模型的人民币汇率预测[j].金融研究，2003，5：99-105.
[5]昊长凤.arch模型及其应用研究[d].中国科学院数学与系统科学研究所博士学位论文，2000.。