發(fā)布時間：2020-11-21 10:25

　　 隨著中國加入世界貿(mào)易組織和推動匯率制度的改革,人民幣匯率的行為日益復雜,傳統(tǒng)的基本分析方法與技術(shù)分析方法已經(jīng)難以捕捉人民幣匯率行為的全部特征,也難以進行準確、有效的預測。同時,考慮到歐盟已連續(xù)多年成為中國的最大貿(mào)易伙伴,兩方的貿(mào)易總額逐年增加,本文提出一種基于光順樣條濾波與徑向基神經(jīng)網(wǎng)絡(luò)相結(jié)合的組合預測模型,旨在更好地捕捉人民幣兌歐元匯率的特征,改善神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的學習能力,進而提高模型的預測效果。 本文首先回顧了匯率預測的理論與方法,討論了人工神經(jīng)網(wǎng)絡(luò)、非參數(shù)估計技術(shù)特別是光順樣條濾波的原理及其在匯率預測領(lǐng)域的應用。然后從光順樣條(Smoothing Spline, SS)濾波的原理出發(fā),提出一種針對匯率序列的多層次分解算法,并將該分解算法與徑向基(Radial Basis Function, RBF)(?)神經(jīng)網(wǎng)絡(luò)組合構(gòu)建匯率預測模型。最后針對人民幣兌歐元匯率序列進行了實證分析,結(jié)果表明該模型擁有比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)與單一的徑向基網(wǎng)絡(luò)更優(yōu)秀的預測能力。 本文運用光順樣條濾波與徑向基神經(jīng)網(wǎng)絡(luò)對人民幣匯率進行預測研究,不僅可以為中央銀行制定與匯率有關(guān)的經(jīng)濟政策提供建議,而且能夠為企業(yè)、投資者制定規(guī)避外匯風險的決策提供幫助,具有一定的現(xiàn)實意義。
【學位單位】：湖南大學
【學位級別】：碩士
【學位年份】：2011
【中圖分類】：F832.52;F224
【文章目錄】：
摘要
Abstract
插圖索引
附表索引
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 相關(guān)文獻綜述
        1.2.1 匯率預測研究方法
        1.2.2 基于人工神經(jīng)網(wǎng)絡(luò)的匯率預測
        1.2.3 非參數(shù)估計應用現(xiàn)狀
    1.3 研究思路與研究內(nèi)容
第2章 相關(guān)研究基礎(chǔ)與理論分析
    2.1 匯率理論與匯率預測方法
        2.1.1 基于基礎(chǔ)分析的匯率預測
        2.1.2 基于技術(shù)分析的匯率預測
    2.2 人工神經(jīng)網(wǎng)絡(luò)原理
        2.2.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)原理
        2.2.2 感知器神經(jīng)網(wǎng)絡(luò)及其分析
        2.2.3 BP神經(jīng)網(wǎng)絡(luò)及其分析
        2.2.4 RBF神經(jīng)網(wǎng)絡(luò)及其分析
    2.3 非參數(shù)估計方法
        2.3.1 非參數(shù)估計原理
        2.3.2 SS濾波技術(shù)原理
    2.4 SS濾波與RBF神經(jīng)網(wǎng)絡(luò)組合預測方法
第3章 基于SS濾波與RBF模型的預測方法設(shè)計
    3.1 組合預測模型框架的提出
    3.2 SS濾波分解算法的提出
        3.2.1 SS濾波的參數(shù)選擇
        3.2.2 分解算法停止準則的設(shè)計
    3.3 序列最優(yōu)滯后期的估計
    3.4 RBF神經(jīng)網(wǎng)絡(luò)的構(gòu)建
        3.4.1 RBF神經(jīng)網(wǎng)絡(luò)的創(chuàng)建方式
        3.4.2 擴展系數(shù)的選擇
第4章 基于SS濾波與RBF模型的人民幣匯率預測
    4.1 樣本選取與基本統(tǒng)計特征
    4.2 模型關(guān)鍵參數(shù)的估計
        4.2.1 基于SS濾波的匯率多層次分解
        4.2.2 各子序列最優(yōu)滯后期的確定
        4.2.3 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的確定
    4.3 模型預測效果的比較分析
        4.3.1 模型預測效果的評價標準
        4.3.2 模型群樣本內(nèi)擬合能力比較
        4.3.3 模型群樣本外預測能力比較
    4.4 模型群預測性能的顯著性檢驗
結(jié)論
參考文獻
致謝

【參考文獻】

相關(guān)期刊論文 前10條

1 謝赤;張娟;孫柏;;匯改進程中的人民幣兌歐元匯率行為研究[J];當代財經(jīng);2009年10期

2 周振;;基于徑向基神經(jīng)網(wǎng)絡(luò)的人民幣匯率預測[J];電腦開發(fā)與應用;2009年03期

3 常振海;張德生;張華;黃師娟;;小波分析與非參數(shù)估計在匯率中的應用研究[J];紡織高�；�礎(chǔ)科學學報;2009年01期

4 劉潭秋;王巧玲;;新加坡匯率管理的SETAR模型研究及啟示[J];系統(tǒng)工程;2006年07期

5 任兆璋,寧忠忠;購買力平價理論與人民幣匯率升值壓力實證分析[J];南方金融;2003年12期

6 戴曉楓,肖慶憲;時間序列分析方法及人民幣匯率預測的應用研究[J];上海理工大學學報;2005年04期

7 張奕韜;;基于ARIMA模型的外匯匯率時間序列預測研究[J];華東交通大學學報;2009年05期

8 路威,余旭初,劉娟;高光譜遙感數(shù)據(jù)三次光滑樣條濾噪[J];測繪學院學報;2005年01期

9 張萍;利率平價理論及其在中國的表現(xiàn)[J];經(jīng)濟研究;1996年10期

10 惠曉峰,柳鴻生,胡偉,何丹青;基于時間序列GARCH模型的人民幣匯率預測[J];金融研究;2003年05期

相關(guān)碩士學位論文 前1條

1 呂曉華;中國股市的非線性特性分析[D];浙江工商大學;2008年

本文編號：2892873