版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
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
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。