基于SS濾波與RBF神經網絡的匯率預測研究
發(fā)布時間:2020-11-21 10:25
隨著中國加入世界貿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分析方法已經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易伙伴,兩方的貿易總額逐年增加,本文提出一種基于光順樣條濾波與徑向基神經網絡相結合的組合預測模型,旨在更好地捕捉人民幣兌歐元匯率的特征,改善神經網絡對數據的學習能力,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,討論了人工神經網絡、非參數估計技術特別是光順樣條濾波的原理及其在匯率預測領域的應用。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)(?)神經網絡組合構建匯率預測模型。最后針對人民幣兌歐元匯率序列進行了實證分析,結果表明該模型擁有比傳統(tǒng)BP神經網絡與單一的徑向基網絡更優(yōu)秀的預測能力。 本文運用光順樣條濾波與徑向基神經網絡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的經濟政策提供建議,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 相關文獻綜述
1.2.1 匯率預測研究方法
1.2.2 基于人工神經網絡的匯率預測
1.2.3 非參數估計應用現(xiàn)狀
1.3 研究思路與研究內容
第2章 相關研究基礎與理論分析
2.1 匯率理論與匯率預測方法
2.1.1 基于基礎分析的匯率預測
2.1.2 基于技術分析的匯率預測
2.2 人工神經網絡原理
2.2.1 人工神經網絡技術原理
2.2.2 感知器神經網絡及其分析
2.2.3 BP神經網絡及其分析
2.2.4 RBF神經網絡及其分析
2.3 非參數估計方法
2.3.1 非參數估計原理
2.3.2 SS濾波技術原理
2.4 SS濾波與RBF神經網絡組合預測方法
第3章 基于SS濾波與RBF模型的預測方法設計
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濾波的參數選擇
3.2.2 分解算法停止準則的設計
3.3 序列最優(yōu)滯后期的估計
3.4 RBF神經網絡的構建
3.4.1 RBF神經網絡的創(chuàng)建方式
3.4.2 擴展系數的選擇
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 模型關鍵參數的估計
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神經網絡參數的確定
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
結論
參考文獻
致謝
【參考文獻】
本文編號:2892873
【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 相關文獻綜述
1.2.1 匯率預測研究方法
1.2.2 基于人工神經網絡的匯率預測
1.2.3 非參數估計應用現(xiàn)狀
1.3 研究思路與研究內容
第2章 相關研究基礎與理論分析
2.1 匯率理論與匯率預測方法
2.1.1 基于基礎分析的匯率預測
2.1.2 基于技術分析的匯率預測
2.2 人工神經網絡原理
2.2.1 人工神經網絡技術原理
2.2.2 感知器神經網絡及其分析
2.2.3 BP神經網絡及其分析
2.2.4 RBF神經網絡及其分析
2.3 非參數估計方法
2.3.1 非參數估計原理
2.3.2 SS濾波技術原理
2.4 SS濾波與RBF神經網絡組合預測方法
第3章 基于SS濾波與RBF模型的預測方法設計
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濾波的參數選擇
3.2.2 分解算法停止準則的設計
3.3 序列最優(yōu)滯后期的估計
3.4 RBF神經網絡的構建
3.4.1 RBF神經網絡的創(chuàng)建方式
3.4.2 擴展系數的選擇
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 模型關鍵參數的估計
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神經網絡參數的確定
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
結論
參考文獻
致謝
【參考文獻】
相關期刊論文 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;2009年10期
2 周振;;基于徑向基神經網絡的人民幣匯率預測[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;;小波分析與非參數估計在匯率中的應用研究[J];紡織高校基礎科學學報;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;高光譜遙感數據三次光滑樣條濾噪[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
本文鏈接:http://www.wukwdryxk.cn/jingjilunwen/jinrongzhengquanlunwen/2892873.html