文档介绍：摘要本文以人民币兑美元汇率与人民币兑欧元汇率价格的水平和波动序列的数据特征动态反馈神经网络模型分别对几种汇率序列进行拟合与预测。通过对不同自由度下的各神经网络模型和简单随机游走模型的预测效果进行对比,发现在总体上动态反馈神经网络模型对人民币汇率各序列的样本内拟合及内拟合效果与其样本外预测能力之间并无直接相关关系。具体的运算结果则表明,蚏模型分别为样本外前苋嗣癖在开放经济中,汇率作为核心经济变量,调整并联系着各种宏观和微观经济因素,同时也影响着各经济体的内外均衡。人民币汇率是调节中国国民经济内外均衡的杠杆,也是维系中国与其他国家问经济往来的重要纽带和桥梁。特别是年懵矢母镆院螅嗣癖一懵饰侍庖丫晌S跋焓澜缇眯问埔约爸泄以美国和欧盟为代表的重要贸易伙伴之间经贸关系的关键问题。因此,探索汇率系统的内在规律,以更好地捕捉汇率行为的特征并进行准确的预测具有很强的理论意义与现实价值。汇率行为的复杂性使得对其有效预测的研究应基于非线性的范式之上。人工神经网络技术是一种非线性系统逼近和建模的有效工具,由于其具有良好的非线性映射能力及自适应、自学习和泛化能力,特别是包含反馈过程的动态神经网络能够更直接更生动地反映系统的动态特性,因而利用神经网络技术来对动态、非线性的汇率系统进行预测别具潜力。本文首先从汇率预测的基本理论、主要模型以及技术方法矫娼樯懿⑵朗了国内外汇率预测的研究现状:接着概述了神经网络技术的发展、特性及原理;在讨论了泛化能力的概念及在神经网络训练中最容易产生的过拟合问题之后,针对产生过拟合问题的两个主要原因,分别从神经网络模型本身和网络的训练过程两个方面,讨论了在汇率预测建模中一些关键参数的设计方法;最后讨论了几种预测效果评价指标。在实证研究部分,本文首先基于非线性理论从龇矫娑曰懵市蛄械姆窍咝特征进行检验,发现人民币兑美元与人民币兑欧元汇率序列均具有较为复杂的非线性动态特征,适于采用神经网络这类非线性方法对其进行描述和预测。接着,为基础,从最优滞后期和最佳训练样本数等方面对影响神经网络模型预测能力的各关键参数进行了估计,并采用以缥4淼木蔡袄⊥绾种基本的样本外预测能力,均优于静态前向神经网络和简单随机游走模型,且模型的样本兑美元汇率水平和第一周波动预测的最优模型,而蚏分别为样博学位论文Ⅱ
且其预测精度较其它模型存在显著优势,该结论支持了不同神经网络模型在汇率时间序列上的预测能力依赖于不同的确定汇率时间序列的假设。本外前苋嗣癖叶遗吩;懵仕胶偷趌周与第懿ǘ浠げ獾淖钣拍P停综观全文,本文无论在理论上还是在实证研究部分,都做出了一定创新。同时,本文的研究结果为准确地预测人民币汇率的价格水平和波动变化,并进一步为中央银行制定正确的外汇干预和货币政策、企业正确规避外汇风险等的决策均具有一定的实际指导作用。关键词:汇率预测;动态神经网络;非线性检验;准则;方法幕于神经网络模型的人民币汇牢预测研究
瑃琻—。目目目目甧猘甊瑂,,琭琣...Ⅳ.,猯.
·,,籑基于神经网络模型的人民币汇牢预测研究琣猯瑃,籒.;
插图索引人民币兑美元汇率价格水平与波动序列图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.赘魃窬缒P投郧鶧蛄醒盗费臼菽夂辖峁赘魃窬缒P投憎鳧蛄醒盗费臼菽夂辖峁赘魃窬缒P投苑睤騈费臼菽夂辖峁阶各神经网络模型对曲序费臼菽夂辖峁阶各神经网络模型对序费臼菽夂辖峁图本文技术路线图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经元模型示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图四种常用的激活函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯阈值函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图前向型网络结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图有反馈的前向型网络结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图层内有相互结合的前向型网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图互连网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图三层缃峁故疽馔肌网络结构示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图网络结构示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图熘噬窬缒P汀图噬窬缒P汀图翱诓馐怨淌疽馔肌图人民币兑美元和欧元汇率价格水平序列图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图人民币兑美元和欧元汇率价格波动序列图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图汇率时间序列直方图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图人民币兑美元汇率波动序列疭分析图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图人民币兑欧元汇率波动序列疭分析图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图人民币/美元汇率波动胁钚蛄蠷/治鐾肌图人民币/欧元汇率波动残差序列疭分析图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯赘魃窬缒P投訴蛄醒盗费臼菽夂辖峁P投許蛄醒就馐菰げ饨峁基于神经网络