咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于混合人工神经网络的人民币汇率预测研究——兼与ARMA、A... 收藏

基于混合人工神经网络的人民币汇率预测研究——兼与ARMA、ARCH、GARCH的比较

Research on Prediction of RMB Exchange Rate Based on Hybrid Artificial Neural Network: A Comparison with ARMA,ARCH and GARCH

作     者:周晓波 陈璋 王继源 ZHOU Xiao-bo;CHEN Zhang;WANG Ji-yuan

作者机构:中国人民大学经济学院 中国宏观经济研究院国土开发与地区经济研究所 

出 版 物:《国际经贸探索》 (International Economics and Trade Research)

年 卷 期:2019年第35卷第9期

页      面:35-49页

核心收录:

学科分类:02[经济学] 0202[经济学-应用经济学] 0201[经济学-理论经济学] 020204[经济学-金融学(含∶保险学)] 020203[经济学-财政学(含∶税收学)] 020101[经济学-政治经济学] 

基  金:中国人民大学2018年度拔尖创新人才培育资助计划成果 

主  题:汇率波动 预测 神经网络 混合模型 

摘      要:随着人民币汇率市场化程度不断提高,其波动程度也不断增大,对人民币的预测显得越来越重要。近几年来,人工智能在许多领域都取得了巨大的成功,证明了自身的优越性,作为其主要组成部分的人工神经网络(ANN)模型已经逐渐被引入金融资产价格的预测研究中。本文将原本仅适用于二值型数据的Adaboost算法进行了优化,使其也能适应连续型数据,并用其确定混合模型的权重,解决了过往大多数研究中混合模型权重设定较为主观和随意的问题。在此基础上,本文融合了广义回归神经网络(GRNN)撞长预测趋势因素,而误差反传神经网络(BPNN)擅长预测随机因素的优点,组成了比单一神经网络模型更为强大的GR_BP_Adaboost强预测模型。最后,以均方误差(MSE)、平均绝对误差(MAE)和DM检验为标准,将GR_BP_Adaboost模型对人民币汇率的预测结果与传统的ARMA、ARCH和GARCH模型进行了对比,所有结果均表明GR_BP_Adaboost强预测模型的预测能力显著优于其他模型,说明人工智能预测技术相较于传统方法具有较大优势,也说明汇率市场不是弱式有效。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分