论文部分内容阅读
汇率的决定与预测一直是现有的国际经济研究文献中非常重视且有争议的话题,迄今尚未出现完整的理论及一致性论述。本文针对汇率问题的复杂性,根据汇率的非线性关系和汇率数据自身的非线性特征,从非线性模型与进化计算角度出发,以神经网络与遗传规划为主要工具,对人民币汇率的可预测性问题进行了一定的分析,试图根据人民币汇率本身的一些特性,构建适于人民币汇率的预测模型,并取得如下几点研究成果：1.对人民币汇率的预测建模过程进行了总体设计。通过对人民币影响因子的分析,选择美元、日元、欧元、韩元这四种货币的汇率作为输入变量,并对输入数据进行了收集与预处理。通过对各种实证模型的分析,选择神经网络与遗传规划两大模型,运用固定预测方案,以平均绝对百分比误差(mean absolute percentage error, MAPE)、预测误差平均值(mean absolute error, MAE)、均方根误差(root mean squared error, RMSE)三大定量标准来对预测精度进行比较与评估。2.对BP网络与算法在汇率预测实例中的研究。重点比较了对于不同的层次结构、隐层单元个数、学习速率以及激励函数等要素对收敛效果、模拟检验及预测结果的具体影响,经过对比分析得出最优的BP模型结构,预测结果最优。3.从激励函数与网络结构的角度对BP神经网络进行了改进。选择使用新激励函数,通过数学计算分析得出这个激励函数是双极性的,从而能够运用于神经网络中的激励函数。通过和传统BP神经网络的预测结果进行对比,得出改进后的BP网络无论从收敛速度还是预测精度有明显提高。4.以相同的训练样本以及预测样本,运用RBF与GRNN两大模型进行汇率模拟预测。通过试算确定模型的参数,得出当RBF网络径向基分布参数SPREAD与GRNN网络光滑因子的最优值,最终获得的模型训练和测试效果预测误差最小。再将改进的BP神经网络,RBF神经网络,以及GRNN神经网络三种网络的预测效果进行全面的对比,证明改进的BP网络无论从训练速度,以及预测精度都是最优的,体现了新激励函数的优越性。5.提出并构造了适应人民币汇率的基于遗传规划方法的预测模型。借助遗传规划的符号回归功能,对算法的运行结果与其他预测模型进行了分析和比较得出,本例中遗传规划的求解结果优于神经网络的结果。这个技术是汇率趋势预测中的一个方法创新。