基于arima模型我国近年来外汇储备的分析及预测

《基于arima模型我国近年来外汇储备的分析及预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着近年来我国经济迅猛发展，人民币持续升值，我国外汇储备规模不断增大，日益受到重视。本文简单介绍了外汇储备的相关概念，并分析了我国外汇储备现状。随后用1981年-2010年我国外汇储备数据用arima模型做了时间序列分析及预测，并对预测结果进行检验和解释。我国外汇储备由于经济惯性原因，受前期储备只影响较大，预测结果显示正处于稳定快速增长状态。模型运用过程中，根据数据的特点，涉及到对原始数据的处理，其中包括取对数，差分等。关键词：我国外汇储备arima模型时间序列AbstractAlongwiththerapiddevelopmentofourcountry'sec

2、onomyinrecentyears,theRMBkeepappreciatingandthescaleofourcountry'sforeignexchangereservebecomebiggerandbigger.Asaresult,thisconditiondrawsmoreandmoreattention.ThispaperbrieflyintroducestheconceptsrelatedtoforeignexchangereservesandanalyzesthecurrentsituationofforeignexchangereservesofCh

3、ina.Then,onthebasisofChina'sforeignexchangereservesdatafrom1981to2010,Imadetheappliedtimeseriesanalysisandmadeapredictionbythearimamodelinthispaper.What’smore,Thispapertestedandexplainedtheresultofprediction.Duetotheeconomyofinertia,ourcountry'sforeignexchangereservesaregreatlyinfluence

4、dbypreviousreserve.Andtheresultofpredictionshowthattheforeignexchangereservesareinastateofsteadyandfastgrowth.Accordingtothecharacteristicsofthedata,thispaperhandledtherawdataintheprocessofusingmodel,includingtakingthelogarithm,difference,etc.Keywords:foreignexchangereservesofChina,arim

5、amodel,appliedtimeseries基于arima模型我国年度外汇储备的分析及预测绪论外汇储备外汇储备（ForeignExchangeReserve），又称为外汇存底，指一国政府所持有的国际储备资产中的外汇部分，即一国政府保有的以外币表示的债权。是一个国家货币当局持有并可以随时兑换外国货币的资产。狭义而言，外汇储备是一个国家经济实力的重要组成部分，是一国用于平衡国际收支，稳定汇率，偿还对外债务的外汇积累。广义而言，外汇储备是指以外汇计价的资产，包括现钞、国外银行存款、国外有价证券等。外汇储备的功能主要包括以下四个方面：一，调节国际收支，保证对外支付；二，干

6、预外汇市场，稳定本币汇率；三，维护国际信誉，提高融资能力；四，增强综合国力，抵抗金融风险。一定的外汇储备是一国进行经济调节、实现内外平衡的重要手段。当国际收支出现逆差时，动用外汇储备可以促进国际收支的平衡，中央银行在市场上卖出外汇买入本币，增加对国内的投资和商品需求，资金流入弥补逆差；当国内宏观经济不平衡，出现总需求大于总供给时，可以动用外汇组织进口，从而调节总供给与总需求的关系，促进宏观经济的平衡。同时当汇率出现波动时，可以利用外汇储备干预汇率，使之趋于稳定。比如汇率降低时，中央银行可以卖出外汇买入本币，增加本币的需求量，使汇率不至于进一步下跌。因此，外汇储备是实现

7、经济均衡稳定的一个必不可少的手段，特别是在经济全球化不断发展，一国经济更易于受到其他国家经济影响的情况下，更是如此。ARIMA模型ARIMA模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归,p为自回归项;MA为移动平均，q为移动平均项数，d为时间序列成为