基于GARCH模型的人民幣匯率預(yù)測研究摘要本文通過檢驗發(fā)現(xiàn)，人民幣兌美元的收益率時間序列可以使用GARCH模型來預(yù)測人民幣兌美元的匯率。在驗證模型可行性的基礎(chǔ)上，進行了有效的估計和預(yù)測。通過對預(yù)測結(jié)果的評估和分析，GARCH模型在匯率預(yù)測中表現(xiàn)出較好的預(yù)測性能，表明可以對匯率進行預(yù)測。并且匯率波動的規(guī)律可以用匯率時間序列中的條件異方差性很好的解釋，這也很好地說明了人民幣兌美元匯率序列也存在十分明顯的自相關(guān)性和異方差性，該模型最終取得了較滿意的效果。關(guān)鍵詞：匯率GARCH模型預(yù)測引言在經(jīng)濟愈發(fā)全球化的今天，絕大多數(shù)國家都樂于與其他國家進行文化和物質(zhì)交流。這樣的對外開放使得國家之間實現(xiàn)了彼此互利共贏的目的。在這一交流中，外匯市場發(fā)揮著不可忽視的作用。如今，外匯市場的發(fā)展是每個國家都極其重視的，它的發(fā)展程度反映了一個國家的經(jīng)濟實力與國際影響。一個國家匯率的波動往往會對國家的進出口產(chǎn)生一定的影響，還可能會影響國家的經(jīng)濟穩(wěn)定。匯率的變動往往牽動著外貿(mào)企業(yè)的發(fā)展與生存。自我國成立以來，就不斷的在外匯市場探索前進。對匯率的改革更是從未停止，一直在深化。正是這一做法不斷地推動著人民幣的國際化發(fā)展進程。2010年，在中國政府政策的主導(dǎo)下，建立了香港人民幣離岸市場。對于涉及金融行業(yè)的企業(yè)機構(gòu)以及個人來說，對外匯市場的波動情況作出準(zhǔn)確的預(yù)測、了解境內(nèi)外匯率的變動對于自身事業(yè)的發(fā)展是非常有必要和意義的。1994年以來，中國的匯率制度進行了多次調(diào)整。1994年，經(jīng)過結(jié)合國情和實際情況的考量將我國的官方匯率和調(diào)劑匯率相結(jié)合，基于市場供求的現(xiàn)狀實施了相應(yīng)匯率制度。但這一制度相對較為單一，會出現(xiàn)有管理的浮動。2005年，我國對以往政策作出改善，修正了單一這一缺點，實施了新的浮動匯率制度。2010年，中國人民銀行基于社會經(jīng)濟發(fā)展的考量，在人民幣匯率機制改革方面作出了相應(yīng)的支持。受到各方的支持，人民幣匯率的彈性得到了提高。這對我國經(jīng)濟發(fā)展也產(chǎn)生了重要的積極作用。2015年，中國人民銀行再次對外宣布要對人民幣匯率中間價政策進行相關(guān)調(diào)整。該政策提到，要對外匯市場的供求變化以及國際主要流通貨幣匯率的變化進行綜合分析，并以前一日銀行間外匯市場的收盤匯率作為參考，進行相關(guān)分析，再來對人民幣匯率的中間價進行估計和確定。這表明隨著中國對外開放政策的實施和市場經(jīng)濟改革的深入，人民幣匯率不斷變化。自2014年起，人民幣兌美元匯率就一直呈上升的趨勢，14年初為6.0408，到19年8月5日人民幣兌美元匯率“短暫”“破7”。其原因是受多方因素共同影響的。美國政府對華采取的加收關(guān)稅政策等對人民幣兌美元的匯率的影響也是十分顯著的。美國大量發(fā)行并購買國債進一步加深了這種影響。人民幣匯率與中國進出口貿(mào)易的關(guān)系一直是政府在匯率改革決策中的核心問題。人民幣匯率的波動直接影響中國進出口貿(mào)易，減少政府在價格監(jiān)管和指導(dǎo)方面的作用一直是中國人民銀行努力的目標(biāo)。因此，應(yīng)對人民幣匯率波動對中國經(jīng)濟增長的負面影響也一直是政府和學(xué)者關(guān)注的焦點。關(guān)于匯率預(yù)測的研究很多，鑒于中國匯率制度的改革，人民幣名義匯率趨于穩(wěn)定，波動性相對較小，應(yīng)用傳統(tǒng)的結(jié)構(gòu)模型可能無法應(yīng)對基本經(jīng)濟因素的變化。對于這種情況，時間序列模型是一種非常有效的預(yù)測工具。因此，這里我們使用更先進的時間序列模型—GARCH模型來建立人民幣兌美元匯率的預(yù)測模型。GARCH模型的相關(guān)理論基礎(chǔ)自回歸條件異方差模型(ARCH)可以用于描述時間序列的方差波動，這一模型是1982年由恩格爾提出的。ARCH模型認為，一定時期內(nèi)回歸誤差的方差是滯后項的函數(shù)。增加方差滯后項將導(dǎo)致當(dāng)前時期的變化更大，反之較小。因此，ARCH模型可以有效地描述時間序列的“波動簇”和峰值厚度特征。經(jīng)過長期的發(fā)展，ARCH模型已經(jīng)逐漸成熟化，使之在金融時間序列的實證分析中得以被廣泛應(yīng)用。1986年，波勒斯勒夫?qū)RCH模型進行了深入探討與研究，在一系列分析后將其進行拓展，提出了GARCH模型。相較于ARCH模型，GARCH模型回歸誤差的條件方差既是回歸殘差平方滯后項的函數(shù)，而且也是GARCH模型自身滯后項的函數(shù)。GARCH模型用相較于ARCH模型來說更為簡單的式子表示了更高階的ARCH模型，使模型形式更簡單而且擬合更容易。國內(nèi)，應(yīng)用GARCH模型進行實證研究的內(nèi)容較為豐富。例如，顧欣基于GJR-GARCH模型，就對非線性時間序列數(shù)據(jù)的處理上存在的局限性做出逆向思考提出了非對稱的VAR計算模型。并以此模型對上海股票市場進行了在險值分析;胡志明、陸彬斌等人運用調(diào)整經(jīng)驗似然法估計GARCH模型中的參數(shù)并建模，通過建模和預(yù)測結(jié)果發(fā)現(xiàn)，人民幣匯率的日收益率序列具有十分明顯的“尖峰厚尾”特征，且匯率的這種波動具有集群性的特點。即在通常情況下，大的波動后面緊接著大的波動，小的波動也通常一起出現(xiàn)。甄晗蕾運用GARCH模型對2005年至2012年的人民幣匯率進行分析，并以此建立預(yù)測模型，預(yù)測了人民幣匯率在2012年上半年的走勢情況。從分析結(jié)果中可以看出，模型的預(yù)測結(jié)果在實際值上下波動，走勢情況十分接近林聰以尤金·法瑪?shù)挠行袌黾僬f為理論依據(jù)，使用ARMA-GARCH模型分階段對滬市市場的有效性進行了檢驗。在它的模型中，需要滿足三個特征條件：一是各殘差項之間都不存在序列相關(guān)性；二是該模型的各個變量的P值均顯著；三十施瓦茲信息量要盡可能小。郭菊喜通過GARCH模型刻畫了收益率序列的波動性，提出原始數(shù)據(jù)并非多多益善的。通常情況下，從原始數(shù)據(jù)中有意識地選取其中部分?jǐn)?shù)據(jù)，基于這些數(shù)據(jù)進行建模是比較合理的做法。模型參數(shù)可能會受到數(shù)據(jù)采集的時間、數(shù)量等因素的影響。張利民在對我國股市波動的原因進行探討之后，從定量的角度比較了GARCH族模型對上海股市波動性的風(fēng)險預(yù)測能力。經(jīng)過多次比較后發(fā)現(xiàn)EGARCH模型對風(fēng)險的刻畫能力是表現(xiàn)比較好的。衡亞亞、沐年國運用小波分析在處理時間序列的優(yōu)勢性，結(jié)合BP-GARCH模型，對收集的樣本數(shù)據(jù)進行了分析。從分析結(jié)果可以看出結(jié)合使用兩種方法的預(yù)測效果比單獨使用更好。程明秀運用時間序列模型以及GARCH模型對所選取的人民幣匯率樣本數(shù)據(jù)進行建模并預(yù)測，他的模型也取得了較好的效果。高金莎使用GARCH族模型從股市波動的統(tǒng)計分析入手，從多個方面對我國股市的波動特性進行的相關(guān)的分析。然而，GARCH模型的國內(nèi)應(yīng)用仍然主要集中在證券實證的研究上，對匯率的研究很少。在國外研究中，F(xiàn)rancKlaassen使用三種主要的美元匯率的數(shù)據(jù)，通過區(qū)分具有不同波動率水平的兩種制度來推廣GARCH模型，該模型解決了高單一制度GARCH預(yù)測的問題，等等。從至今的許多文獻中都可以看出GARCH模型在匯率的相關(guān)研究和趨勢預(yù)測方面都表現(xiàn)出了較好的結(jié)果。GARCH是一種時間序列建模方法，它使用過去的變化和過去的方差來預(yù)測未來的變化。它的優(yōu)點是可以有效地排除資產(chǎn)回報中的過高峰值。在本文中將用到的是GARCH(1，1)模型，它是GARCH模型中最常用的一種。在標(biāo)準(zhǔn)GARCH（1，1）模型中，可以寫出以下式子：式①中的均值方程是一個外生變量函數(shù)，它帶有誤差項。σt2是以前一期的信息為基礎(chǔ)的預(yù)測方差，因而被成為條件方差。②中方程是以下三者的函數(shù)：1、均值w；2、用均值方程的殘差平方的滯后來度量從前期得到的波動性的信息εt?1數(shù)據(jù)來源及預(yù)處理由于GARCH模型中使用的樣本數(shù)量至少為200個，因此采用人民幣兌美元的每日匯率值，用于確保有足夠的樣本量。樣本數(shù)據(jù)選取2017年10月1日-2019年10月1日的日匯率數(shù)據(jù)，共計486個數(shù)據(jù)，用這486個數(shù)據(jù)建立估計模型，預(yù)測2019年的日匯率值并檢驗預(yù)測效果。所有人民幣兌美元匯率數(shù)據(jù)均來自國家外匯管理局提供的統(tǒng)計數(shù)據(jù)。平穩(wěn)性檢驗對人民幣匯率做時間序列圖（見圖一），可以看出人民幣兌美元匯率有上升趨勢。圖1匯率時間序列圖為了避免偽回歸情況，我們先對時間序列做單位根檢驗，結(jié)果如下圖：圖2匯率序列的ADF檢驗從以上輸出結(jié)果可以看出：不論在什么樣的顯著水平下，計算所得的ADF統(tǒng)計量的值都比對應(yīng)的臨界值要大。表明接受原假設(shè)。即匯率序列數(shù)據(jù)具有單位根，即該序列是一個不平穩(wěn)序列。因此，需要對匯率序列進行處理。由于收益率的時間序列更具穩(wěn)定性，所以更適合GARCH模型。因此對人民幣兌美元的每日匯率序列進行一系列轉(zhuǎn)換變形，將其通過公式轉(zhuǎn)換為比較平穩(wěn)的收益性序列進行后續(xù)的實證研究，具體轉(zhuǎn)換公式如下式所示:其中yt為通過轉(zhuǎn)換后所得的收益性序列，F(xiàn)xt為t時間的人民幣兌美元的日匯率。將轉(zhuǎn)化后的收益性序列導(dǎo)入eviews，作出對應(yīng)的時間序列圖，如下所示：圖3收益性時間序列圖由圖可知，人民幣匯率的對數(shù)收益率的波動有時較小，但在有的時間段較大。接下來對該序列做單位根檢驗，結(jié)果如下：圖4收益性序列的ADF檢驗由輸出結(jié)果可以看出ADF檢驗統(tǒng)計量比各個置信水平下的臨界值都要小，即拒絕原假設(shè)。由此可以認為經(jīng)過變換所得的收益序列是一個平穩(wěn)序列。相關(guān)性檢驗對收益序列進行D-W檢驗，由結(jié)果可以看出，收益率的自相關(guān)性很弱。圖5收益性序列D-W檢驗ARCH檢驗從以上分析可知，人民幣匯率的日收益率序列本身系相關(guān)性較弱，因此可以把它寫為，其中μ為常數(shù)項，?t是誤差項。使用LM檢驗。首先對人民幣的日收益率序列關(guān)于均值回歸，再對殘差進行檢驗。圖6殘差檢驗由上圖中的檢驗結(jié)果可以看出，伴隨概率為0.0037(<0.05)，因此拒絕原假設(shè)H0。認為?t存在高階ARCH效應(yīng)，yt存在異方差性。通過上述對時間序列的各種檢驗可見，人民幣匯率的收益時間序列有明顯的自相關(guān)性和異方差性，從而可以看出本文運用GARCH模型進行分析預(yù)測是正確的。GARCH模型估計模型參數(shù)估計在對模型進行估計前，本文均設(shè)定模型中的ARCH項階數(shù)和GARCH項階數(shù)的值為1。由以上分析，經(jīng)eviews分析，可得下圖：圖7GARCH(1,1)模型檢驗結(jié)果根據(jù)公式①、②，結(jié)合上圖中所得出的數(shù)據(jù)可知被估計的GARCH（1，1）模型方差方程為：σ從表中可以看出，在收益率條件方差中，計算出的ARCH項和GARCH項都是高度顯著的。說明收益率序列的波動趨勢具有明顯的的集簇性?？梢杂嬎愠鯝RCH項的系數(shù)與GARCH項的系數(shù)之和為0.907964(<1)，由此可以認為GARCH（1，1）過程是平穩(wěn)的。所估模型的殘差檢驗通過Q統(tǒng)計相關(guān)圖、平方殘差相關(guān)圖、殘差A(yù)RCH-LM檢驗，說明GARCH（1，1）模型的估計均值是正確的，標(biāo)準(zhǔn)殘差服從正態(tài)分布，不存在額外的ARCH效應(yīng)，由此本文建立的GARCH（1，1）模型是準(zhǔn)確的。預(yù)測效果的評估從預(yù)測結(jié)果來看，本文中通過GARCH模型兌人民幣兌美元匯率進行的預(yù)測結(jié)果非常接近于實際匯率，預(yù)測誤差也比較小。這表示使用GARCH模型進行預(yù)測時較為準(zhǔn)確的，結(jié)果表明人民幣兌美元的收益率時間序列存在異方差性。同時，從預(yù)測效果來看可以認為標(biāo)準(zhǔn)的GARCH（1，1）模型預(yù)測短期匯率是可行的，完全適用于人民幣兌美元收益率的時間序列的建模和預(yù)測。其次，比較兩種不同的預(yù)測方法，靜態(tài)預(yù)測所得的結(jié)果略好于動態(tài)預(yù)測。分析原因可能是人民幣兌美元日匯率數(shù)據(jù)存在一些異常值，這影響了長期波動性預(yù)測的結(jié)果。這些異常值數(shù)據(jù)的可能是由于近年來國際關(guān)系導(dǎo)致了我國正度兌人民幣匯率的“干預(yù)”。圖8匯率預(yù)測結(jié)果結(jié)論本文通過檢驗發(fā)現(xiàn)，人民幣兌美元的收益率時間序列可以使用GARCH模型來預(yù)測人民幣兌美元的匯率。在驗證模型可行性的基礎(chǔ)上，進行了有效的估計和預(yù)測。通過對預(yù)測結(jié)果的評估和分析，GARCH模型在匯率預(yù)測中表現(xiàn)出較好的預(yù)測性能，表明可以對匯率進行預(yù)測。并且匯率波動的規(guī)律可以用匯率時間序列中的條件異方差性很好的解釋，這也很好地說明了人民幣兌美元匯率序列也存在十分明顯的自相關(guān)性和異方差性，該模型最終取得了較滿意的效果。許多研究表明，在相對穩(wěn)定的市場中GARCH模型可以發(fā)揮最大作用。從現(xiàn)階段我國實施的匯率政策和實施效果來看，整體匯率市場相對穩(wěn)定，不可能出現(xiàn)太大的波動的情況，如果能夠?qū)ARCH模型應(yīng)用在風(fēng)險預(yù)警機制或者金融產(chǎn)品實際交易中，那么其效果應(yīng)該是很明顯的。同時，GARCH在預(yù)測中雖然會對模型進行統(tǒng)計檢驗以確定樣本的序列相關(guān)性和異方差性檢驗，但是在實證中它只需要匯率的時間序列數(shù)據(jù)，數(shù)據(jù)來源要容易得多，建模的工作量也小得多，在實際操作中會節(jié)約大量的時間，因此這種“數(shù)據(jù)驅(qū)動的方法”在實際應(yīng)用中很受歡迎。但是值得關(guān)注的是:首先，雖然GARCH模型對于短周期的預(yù)測取得了較好的效果，但是對長周期的預(yù)測效果值得考慮。其次，該模型不能夠反映各影響因素之間的內(nèi)在聯(lián)系以及如何影響。第三，對于市場緊急情況，GARCH模型通常難以響應(yīng)，以及如何有效地與其他方法(如SETAR或人工智能方法)結(jié)合，能夠準(zhǔn)確地解釋市場上的突發(fā)事件，也是值得進一步研究的問題。參考文獻[1]程明秀.基于GARCH模型的人民幣匯率預(yù)測研究[J].福建質(zhì)量管理,2019,(20):254-256.[2]衡亞亞,沐年國.基于小波分析與BP-GARCH模型的人民幣匯率預(yù)測研究[J].軟件導(dǎo)刊,2018,17(12):146-150.DOI:10.11907/rjdk.181636.[3]郭菊喜.基于GARCH模型與灰色預(yù)測模型GM（1,1）的人民幣匯率收益率分析[J].嶺南師范學(xué)院學(xué)報,2015,36(6).[4]甄晗蕾.基于GARCH模型的人民幣匯率走勢預(yù)測[J].時代金融(中旬),2013,(5):26-27.[5]華浩.基于GARCH族模型的人民幣匯率走勢的預(yù)測[D].山東:山東科技大學(xué),2016.[6]胡志明,陸彬斌,郭曉芳.基于GARCH模型的人民幣匯率收益率預(yù)測研究[J].商,2015,(28):178-178,124.[7]楊彬彬,徐慶娟.基于GARCH-VaR模型的匯率風(fēng)險實證研究[J].廣西師范學(xué)院學(xué)報（自然科學(xué)版）,2017,34(1):32-39.DOI:10.16601/ki.issn1001-8743.2017.01.007.[8]黃偉斌.貨幣政策、匯率變動與股市收益——基于產(chǎn)出資本資產(chǎn)定價模型的研究[J].生產(chǎn)力研究,2014,(3):73-79.[9]金苗.人民幣匯率波動對我國消費影響的實證研究[D].江西:江西財經(jīng)大學(xué),2017.DOI:10.7666/d.Y3346711.[10]蘇輝.基于MS-GARCH模型的人民幣匯率研究[D].湖南:長沙理工大學(xué),2017.[11]劉文佳.重大事件對外匯市場收益率的影響研究——基于三階段變結(jié)構(gòu)GARCH模型[D].四川:西南交通大學(xué),2017.[12]馬思濤.基于時間序列模型對人民幣匯率的研究[J].知識經(jīng)濟,2019,(22):43-45.[13]張弛.基于時間序列分析的人民幣匯率實證研究[J].徐州工程學(xué)院學(xué)報（自然科學(xué)版）,2016,31(3):58-61.[14]廖華高億萱何凌云.人民幣匯率變動對國內(nèi)物價的傳導(dǎo)研究——基于投入產(chǎn)出時間序列表的分析[J].北京理工大學(xué)學(xué)報：社會科學(xué)版,2015,0(3).附錄日期匯率yt日期匯率yt日期匯率yt日期匯率yt2017-10-09664.930.00143932018-01-03649.2-0.00082212018-04-04629.26-0.00129562018-07-05661.8-0.00271492017-10-10662.730.00284022018-01-04650.430.00085552018-04-09631.140.00029602018-07-06663.360.00102252017-10-11658.410.00021772018-01-05649.150.00055562018-04-10630.710.00110312018-07-09663.930.00037302017-10-12658.08-0.00038262018-01-08648.32-0.00091012018-04-11629.110.00053192018-07-10662.59-0.00087742017-10-13658.660.00017812018-01-09649.68-0.00159472018-04-12628.34-0.00044212018-07-11662.34-0.00016392017-10-16658.39-0.00029012018-01-10652.070.00039982018-04-13628.980.00009672018-07-12667.260.00321412017-10-17658.83-0.00071132018-01-11651.470.00143562018-04-16628.840.00078112018-07-13667.270.00000652017-10-18659.91-0.00067082018-01-12649.320.00240112018-04-17627.71-0.00031812018-07-16667.580.00020172017-10-19660.930.00000662018-01-15645.740.00136072018-04-18628.17-0.00010372018-07-17668.210.00040972017-10-20660.92-0.00074192018-01-16643.720.00024972018-04-19628.32-0.00044902018-07-18669.140.00060402017-10-23662.05-0.00041312018-01-17643.35-0.00044532018-04-20628.97-0.00094492018-07-19670.660.00098542017-10-24662.68-0.00035382018-01-18644.010.00156732018-04-23630.34-0.00134142018-07-20676.710.00390022017-10-25663.220.00022272018-01-19641.690.00038592018-04-24632.290.00112102018-07-23675.93-0.00050092017-10-26662.88-0.00121042018-01-22641.120.00069832018-04-25630.66-0.00149182018-07-24678.910.00191052017-10-27664.73-0.00009152018-01-23640.090.00063152018-04-26632.83-0.00075422018-07-25680.40.00095212017-10-30664.870.00058832018-01-24639.160.00130662018-04-27633.93-0.00189352018-07-26676.62-0.00241952017-10-31663.970.00063492018-01-25637.240.00196722018-05-02636.7-0.00042272018-07-27679.420.00179352017-11-016630.00068182018-01-26634.360.00115852018-05-03637.320.00144022018-07-30681.310.00120642017-11-02661.960.00081432018-01-29632.67-0.00030882018-05-04635.21-0.00043052018-07-31681.650.00021672017-11-03660.72-0.00114882018-01-30633.12-0.00018522018-05-07635.84-0.00061432018-08-01682.930.00081482017-11-06662.470.00020332018-01-31633.390.00202062018-05-08636.74-0.00040222018-08-02679.42-0.00223792017-11-07662.16-0.00039992018-02-01630.450.00110362018-05-09637.33-0.00023842018-08-03683.220.00242222017-11-08662.77-0.00031442018-02-02628.85-0.00092442018-05-10637.680.00166502018-08-06685.130.00121242017-11-09663.250.00028172018-02-05630.19-0.00036512018-05-11635.240.00122552018-08-07684.31-0.00052012017-11-10662.82-0.00042572018-02-06630.720.00131032018-05-14633.45-0.00096562018-08-08683.13-0.00074952017-11-13663.47-0.00034022018-02-07628.820.00041462018-05-15634.86-0.00176822018-08-09683.170.00002542017-11-14663.990.00089042018-02-08628.22-0.00256412018-05-16637.450.00044992018-08-10683.950.00049562017-11-15662.63-0.00015072018-02-09631.940.00132842018-05-17636.79-0.00057252018-08-13686.290.00148332017-11-16662.860.00005902018-02-12630.01-0.00169252018-05-18637.63-0.00060582018-08-14686.950.00041752017-11-17662.770.00003932018-02-13632.47-0.00124112018-05-21638.520.00036062018-08-15688.560.00101672017-11-20662.71-0.00055672018-02-14634.28-0.00069782018-05-22637.990.00017702018-08-16689.460.00056732017-11-21663.560.00043222018-02-22635.30.00032832018-05-23637.73-0.00029272018-08-17688.94-0.00032772017-11-22662.90.00176592018-02-23634.820.00071212018-05-24638.16-0.00034692018-08-20687.18-0.00111092017-11-23660.210.00139022018-02-26633.780.00159272018-05-25638.67-0.00064552018-08-21683.6-0.00226852017-11-24658.1-0.00042212018-02-27631.46-0.00101672018-05-28639.62-0.00040042018-08-22682.71-0.00056582017-11-27658.74-0.00046132018-02-28632.94-0.00039782018-05-29640.21-0.00125992018-08-23683.670.00061032017-11-28659.44-0.00044102018-03-01633.520.00012342018-05-30642.070.00042632018-08-24687.10.00217342017-11-29660.11-0.00015132018-03-02633.34-0.00066462018-05-31641.440.00044712018-08-27685.08-0.00127872017-11-30660.34-0.00021702018-03-05634.310.00030822018-06-01640.78-0.00044712018-08-28680.52-0.00290042017-12-01660.67-0.00024972018-03-06633.860.00063082018-06-04642.080.00088022018-08-29680.720.00012762017-12-04661.05-0.00005262018-03-07632.940.00037752018-06-05641.57-0.00034512018-08-30681.130.00026152017-12-05661.13-0.00032832018-03-08632.39-0.00145352018-06-06640.4-0.00079272018-08-31682.460.00084722017-12-06661.63-0.00021002018-03-09634.510.00080842018-06-07639.19-0.00082142018-09-03683.470.00064232017-12-07661.95-0.00015092018-03-12633.330.00078932018-06-08640.030.00057042018-09-04681.83-0.00104342017-12-08662.180.00043312018-03-13632.180.00008932018-06-11640.640.00041372018-09-05682.660.00052842017-12-11661.52-0.00006562018-03-14632.050.00044002018-06-12641.210.00038622018-09-06682.17-0.00031182017-12-12661.62-0.00058382018-03-15631.41-0.00136662018-06-13641.560.00023702018-09-07682.12-0.00003182017-12-13662.510.00143142018-03-16633.40.00013722018-06-14639.62-0.00131522018-09-10683.890.00112552017-12-14660.33-0.00052582018-03-19633.20.00050782018-06-15643.060.00232952018-09-11684.880.00062822017-12-15661.13-0.00032182018-03-20632.46-0.00102882018-06-19642.35-0.00047982018-09-12685.460.00036762017-12-18661.620.00042032018-03-21633.960.00157162018-06-20645.860.00236672018-09-13684.88-0.00036762017-12-19660.980.00021032018-03-22631.67-0.00072132018-06-21647.060.00080622018-09-14683.62-0.00079972017-12-20660.660.00178512018-03-23632.720.00054262018-06-22648.040.00065732018-09-17685.090.00093292017-12-21657.95-0.00017162018-03-26631.930.00259872018-06-25648.930.00059602018-09-18685.540.00028522017-12-22658.210.00091152018-03-27628.160.00021442018-06-26651.80.00191652018-09-19685.690.00009502017-12-25656.830.00176902018-03-28627.85-0.00180162018-06-27655.690.00258422018-09-20685.3-0.00024712017-12-26654.16-0.00003322018-03-29630.460.00113812018-06-28659.60.00258212018-09-21683.57-0.00109772017-12-27654.210.00005982018-03-30628.810.00080882018-06-29661.660.00135422018-09-25684.40.00052702017-12-28654.120.00046502018-04-02627.64-0.00047722018-07-02661.57-0.00005912018-09-26685.710.00083052017-12-29653.420.00175162018-04-02627.64-0.00047722018-07-03664.970.00222622018-09-27686.420.00044942018-01-02650.790.00106242018-04-03628.33-0.00064232018-07-04665.950.00063962018-09-28687.920.0009480日期匯率yt日期匯率yt日期匯率yt日期匯率yt2018-10-08689.570.00104042019-01-03686.310.00094392019-04-08672.010.00094462019-07-08688.810.00116172018-10-09690.190.00039032019-01-04685.86-0.00028492019-04-09671.42-0.00038152019-07-09688.53-0.00017662018-10-10690.720.00033342019-01-07685.17-0.00043712019-04-10671.1-0.00020702019-07-10688.560.00001892018-10-11690.980.00016342019-01-08684.02-0.00072952019-04-11670.88-0.00014242019-07-11686.77-0.00113052018-10-12691.20.00013832019-01-09685.260.00078662019-04-12672.20.00085372019-07-12686.62-0.00009492018-10-15691.540.00021362019-01-10681.6-0.00232582019-04-15671.12-0.00069832019-07-15686.770.00009492018-10-16691.19-0.00021992019-01-11679.09-0.00160222019-04-16670.97-0.00009712019-07-16687.10.00020862018-10-17691.03-0.00010052019-01-14675.6-0.00223772019-04-17671.10.00008412019-07-17688.270.00073892018-10-18692.750.00107962019-01-15675.42-0.00011572019-04-18669.11-0.00128972019-07-18687.61-0.00041672018-10-19693.870.00070162019-01-16676.150.00046912019-04-19670.430.00085592019-07-19686.35-0.00079652018-10-22692.36-0.00094612019-01-17675.92-0.00014782019-04-22670.35-0.00005182019-07-22687.590.00078392018-10-23693.380.00063932019-01-18676.650.00046882019-04-23670.820.00030442019-07-23688.180.00037252018-10-24693.570.00011902019-01-21677.740.00069902019-04-24672.050.00079562019-07-24688.60.00026502018-10-25694.090.00032552019-01-22678.540.00051232019-04-25673.070.00065862019-07-25687.37-0.00077642018-10-26695.10.00063152019-01-23679.690.00073542019-04-26673.070.00000002019-07-26687.960.00037262018-10-29693.77-0.00083182019-01-24678.02-0.00106842019-04-29673.10.00001942019-07-29688.210.00015782018-10-30695.740.00123152019-01-25679.410.00088942019-04-30672.86-0.00015492019-07-30688.620.00025872018-10-31696.460.00044922019-01-28674.72-0.00300842019-05-06673.440.00037422019-07-31688.41-0.00013252018-11-01696.70.00014962019-01-29673.56-0.00074732019-05-07676.140.00173772019-08-01689.380.00061152018-11-02693.71-0.00186792019-01-30673.43-0.00008382019-05-08675.96-0.00011562019-08-02689.960.00036522018-11-05689.76-0.00247992019-01-31670.25-0.00205562019-05-09676.650.00044312019-08-05692.250.00143912018-11-06690.750.00062292019-02-01670.810.00036272019-05-10679.120.00158242019-08-06696.830.00286392018-11-07690.65-0.00006292019-02-11674.950.00267212019-05-13679.540.00026852019-08-07699.960.00194642018-11-08691.630.00061582019-02-12677.650.00173382019-05-14683.650.00261882019-08-08700.390.00026672018-11-09693.290.00104112019-02-13676.75-0.00057722019-05-15686.490.00180042019-08-09701.360.00060112018-11-12694.760.00091992019-02-14677.440.00044262019-05-16686.880.00024672019-08-12702.110.00046422018-11-13696.290.00095542019-02-15676.23-0.00077642019-05-17688.590.00107982019-08-13703.260.00071082018-11-14694.02-0.00141822019-02-18676.590.00023112019-05-20689.880.00081282019-08-14703.12-0.00008652018-11-15693.92-0.00006262019-02-19676.42-0.00010912019-05-21689.90.00001262019-08-15702.68-0.00027192018-11-16693.77-0.00009392019-02-20675.58-0.00053972019-05-22689.920.00001262019-08-16703.120.00027192018-11-19692.45-0.00082712019-02-21672.2-0.00217832019-05-23689.940.00001262019-08-19703.650.00032722018-11-20692.80.00021952019-02-22671.51-0.00044602019-05-24689.93-0.00000632019-08-20704.540.00054902018-11-21694.490.00105812019-02-25671.31-0.00012942019-05-27689.24-0.00043462019-08-21704.33-0.00012952018-11-22693.91-0.00036292019-02-26669.52-0.00115962019-05-28689.730.00030862019-08-22704.90.00035132018-11-23693.06-0.00053232019-02-27668.57-0.00061672019-05-29689.880.00009442019-08-23705.720.00050492018-11-26694.530.00092022019-02-28669.010.00028572019-05-30689.90.00001262019-08-26705.7-0.00001232018-11-27694.630.00006252019-03-01669.570.00036342019-05-31689.920.00001262019-08-27708.10.00147452018-11-286950.00023132019-03-04670.490.00059632019-06-03688.96-0.00060472019-08-28708.350.00015332018-11-29693.53-0.00091962019-03-05669.98-0.00033052019-06-04688.22-0.00046672019-08-29708.580.00014102018-11-30693.570.00002502019-03-06670.530.00035642019-06-05689.030.00051082019-08-30708.790.00012872018-12-03694.310.00046312019-03-07671.10.00036902019-06-06689.450.00026462019-09-02708.830.00002452018-12-04689.39-0.00308842019-03-08672.350.00080822019-06-10689.25-0.00012602019-09-03708.840.00000612018-12-05684.76-0.00292662019-03-11672.02-0.00021322019-06-11689.30.00003152019-09-04708.78-