基于BP神经网络的汇率预测模型研究

摘要

汇率变幻莫测，它不仅可以影响个人的生活，公司的生长，甚至影响着一个国家的经济。千百年来人们一直在寻找一条通往公平与稳定的汇率之路，今天人们仍然在探索。
　　汇率经常会出现变动，因为它会受到很多因素的影响:国际收支状况、顺差与逆差、通货膨胀率的高低、货币购买力、利率水平、国家的宏观调控、经济政策、外汇波动、政府的干预等，它们时时刻刻影响着汇率，并推动着汇率的变动。
　　如何快速有效的进行汇率预测，是经济学家长期以来一直探寻的问题，由于汇率受到多种因素的影响，表现出不规则的非线性变化趋势，因此给其预测带来了很大的困难。神经网络具有很好的预测非线性数据的能力，因此为汇率的预测提供了一种现实有效的方法。
　　首先，本文对选取的人民币兑美元数据进行了平稳性检验，发现汇率数据不平稳，故对汇率数据进行了平稳性处理，得到汇率波动序列数据，进而又对汇率波动序列进行了正态性及BDS检验，验证了汇率波动序列的非线性性。
　　然后，本文利用神经网络中应用最广泛、最普遍的同质神经网络即BP神经网络对人民币兑美元汇率波动序列进行预测。虽然BP算法存在很多优点且被广泛应用，但它也有很多缺点，如容易陷入局部最优、收敛速度比较慢、输入神经元数目、隐含层数及每层神经元节点数难以确定等。
　　最后，本文针对BP神经网络存在的上述缺点，针对性的提出了相应的解决方法。首先为解决BP算法易陷入局部最优的问题，提出了附加动量法，为解决神经元输入数难确定的问题，选用了自相关准则(Autocorrelation Criterion，AC)来确定输入神经元数，并利用样本均值转折点检验(MCPT)法来选择样本集合最佳样本数。将改进的BP神经网络算法应用到人民币兑美元汇率预测中，并利用误差检验指标对预测效果进行了检验，结果证明了改进算法的可行性。

目录

声明

摘要

第一章 绪论

1．1 选题背景

1．1．1 研究背景

1．1．2 研究意义

1．1．3 汇率预测方法概述

1．2 国内外研究现状

1．2．1 国内研究现状

1．2．2 国外研究现状

1．3 本文主要的研究工作

第二章 汇率决定理论

2．1 货币模型

2．1．1 弹性价格货币模型

2．1．2 粘性价格货币模型

2．2 货币替代模型

2．2．1 弹性货币替代模型

2．2．2 粘性货币替代模型

2．3 资产组合均衡模型

2．4 投机泡沫理论

2．4．1 理性投机泡沫理论

2．4．2 非理性投机泡沫理论

2．5 混沌分析模型

第三章 人工神经网络模型

3．1 神经网络

3．1．1 神经网络方法

3．1．2 人工神经元模型

3．1．3 神经网络学习算法

3．1．4 神经元的数学模型

3．1．5 神经网络特征

3．2 BP神经网络

3．3 神经网络模型预测效果评价指标

3．4 神经网络模型的泛化能力与过拟合问题

第四章 汇率预测实证分析

4．1 神经网络汇率预测的一般条件

4．2 样本数据的选取及处理

4．2．1 数据处理

4．2．2 样本数据选取

4．3 神经网络模型关键参数设计

4．3．1 输入神经元数目的确定

4．3．2 汇率波动序列训练集合最佳样本数估计

4．4 附加动量的BP改进算法

4．5 神经网络汇率波动预测

4．5．1 汇率波动序列样本内预测能力比较

4．5．2 汇率波动序列样本外预测能力比较

第五章 结论与展望

5．1 小结

5．2 不足与展望

参考文献

致谢

攻读硕士学位期间发表论文情况