(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111614680.2 (22)申请日 2021.12.27 (71)申请人 中国建设银行股份有限公司江苏省 分行 地址 210000 江苏省南京市秦淮区洪武路 188号 (72)发明人 郭黎宁　黄磊　刘晗　顾捷　 徐文君　 (74)专利代理 机构 南京正道智华专利代理事务 所(普通合伙) 32396 代理人 施翔宇 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) G06Q 10/04(2012.01)G06Q 10/06(2012.01) (54)发明名称 一种人民币汇率期权执 行价的预测模型 (57)摘要 本发明公开了一种人民币汇率期权执行价 的预测模型。 该人民币汇率期权执行价的预测模 型包括包括： 变量选择； 数据预处理， 构建训练数 据和预测数据集合； BMA建模； 人民币汇率预测及 期权应用。 本发 明对于数据信息的挖掘和使用更 加充分， 且能判断出解释变量对于因变量的解释 作用更好、 影响作用更加显著， 从而更容易做出 科学、 准确的预测。 基于上述对各期限美元兑人 民币汇率的预测， 外资、 外贸企业可以将其作为 办理汇率期权时的执行价， 以获得更好地套期保 值效果和更高的汇率期权价 值。 权利要求书2页 说明书6页 附图1页 CN 114266652 A 2022.04.01 CN 114266652 A 1.一种人民币汇率期权执 行价的预测模型， 其特 征在于， 包括： S1， 变量选择； S2， 数据预处理， 构建训练数据和预测数据集合； S3， BMA建模； S4， 人民币 汇率预测、 期权应用。 2.根据权利要求1所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的S1， 是根据利率平价理论、 购买力平价理论、 资产组合理论以及泰勒规则， 选择若干对汇率有影 响的变量作为自变量。 3.根据权利要求1所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的S2， 从数据库筛选相关数据， 先确定时间区间的大小， 时间区间一旦固定， 每一个时间区间里的 人民币汇率均值也 随之固定， 同时该区间里 的其他若干指标值也将被时间区间唯一确定， 即得到了一个数据集 合； 接着通过分析这若干的数组， 得到一个人民币汇率和其他若干指标之间的关系， 把人 民币汇率看做是应变量Y， 其他若干指标相当于X1， X2， ……， Xn， 通过统计学的方法去得到Y ＝F(X1， X2， ……， Xn)这样一个函数， 从而 进行对于未来时间的汇率预测。 4.根据权利要求1所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的S3 中， 包括S3.1， 构建BMA线性模式； S3.2， 计算、 比较模型后验概率； S3.3， 先验概率设定 Zellner’s先验， 服从正态分布； S3.4， 设定Zel lner’s先验服从公理， 得到最终密度函数。 5.根据权利要求4所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的 S3.1， 构建BMA线性模型 y＝αk+Xkβk+ ε～N(0， σ2I) 其中， y表示人民币汇率， Xk表示影响人民币汇率波动的其他若干指标， αk、 βk、 ε均为模 型的参数。 ～N(0， σ2I)表示该线性模型满足数 学期望为0， 标准差为σ2I的正态分布。 6.根据权利要求4所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的 S3.2， 假设自变量有n项， 则有2n个模型， 每 个模型的后验概 率为： 其中， p(Mk|y， x)表示第k个模型关于y， x的后验概率， p(y|Mk， x)p(Mk)表示选中第k个模 型的概率与对 于这个模型确定x后的y的概率之积， 表示全部2n个 p(y|Mk， x)p(Mk)之和； 该步骤主 要用来解释第k个模型关于y， x的后验概 率的求法； 从而系数项的后验概 率为： 系数项的后验 概率证明同上一个公式， β 关于y， x的后验概率等于全部2n个β 关于选中第 k个模型的后验概 率与该模型的后验概 率的乘机之和。 7.根据权利要求4所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的 S3.3， 先验概率设定Zellner ′s先验， 即令βk服从如下多元正态分布， 方差σ2设置为无信息先 验分布： p( βk|σ2)＝N( β0， gσ2(X′kXk)‑1)权　利　要　求　书 1/2 页 2 CN 114266652 A 2通常令β0＝0， 则βk和σ2的联合密度函数为 p( βk， σ2|y， x)∝N( β0， p( βk|y， x， σ2)p( σ2|y， x) 8.根据权利要求4所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的 S3.4， 以上 先验概率设定Zel lner′s先验服从公理， 最终得到βk和σ2的联合密度函数为 p( βk， σ2|y， x)∝N( β0， p( βk|y， x， σ2)p( σ2|y， x) 在算法实现中， 直接进行了BMA分析的函数包的调用， 具体在参数配置方面： 其中， b urn 为MC3采样器(正整数)默认为1000； iter 为迭代次数设置为2000； nmodel为存储数据的最佳 模型树设置为500； g＝ “hyper”采用“hyper‑g”先验分布； mcmc为MC3采样器mcmc＝ “bd”对应 于出生/死亡mcmc算法； mprior＝ “random”触发了“随机θ”先验， 包含概率的二项 式β‑超先 验。 9.根据权利要求1所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的S4 中， 包括S4.1 获取最优 模型； S4.2利用训练数据， 带入最优 模型； S4.3期权应用。 10.根据权利要求1所述的人民币汇率期权执行价的预测模型， 其特征在于， 所述的若 干变量为： 道琼斯工业指数、 上证综合指数、 美元指数、 美联储总资产、 美国失业率、 外汇占 款、 中美贸易顺差、 中美利率差额、 中美物价差额、 中美产出缺口差额、 外汇市场干预、 汇率 预期、 汇率 风险溢价。权　利　要　求　书 2/2 页 3 CN 114266652 A 3