汇率预测

摘要： 构建了一种复合网络模型(EEMD-LSTM),该模型将原始数据进行分解再输入到LSTM网络模型中进行序列预测。通过不同模型间的对比分析,该模型的预测效果更好,实现了模型的优化。

摘要： 提出了一种基于双向长短期记忆网络(Bidirectional Long Short-term Memory,Bi-LSTM)的模型来预测外汇市场的短期趋势,利用迁移学习,将短期模型应用到长期汇率预测中,结果表明,使用迁移学习进行长期汇率预测不仅节省了预测模型的训练时间,而且提升了预测模型的准确度。

摘要： 汇率的变动直接反映了一个国家的社会经济现状,对于国民收入递减、利率波动、科学技术进步、就业比例等都有很大影响。选取2020年8月20日至2020年12月17日的汇率中间价为数据样本,建立合理的ARIMA模型,利用python中的pmdarima库中autoarima函数选出最优的ARIMA(2,1,2)模型,对2020年12月18日至2020年12月31日的汇率进行预测,为进出口企业和投资者的决定提供一个可靠的基础。

摘要： 文章指出,市场错误地过多关注美元走弱因素,而当前文章指出,市场错误地过多关注美元走弱因素,而当前关注核心应该是,其他货币是,其他货币的表现相对美元的走势。文章认为,美联储加息远未完成,而全球增长势头在明显恶化,据此持续看涨美元。汇丰银行股市回调模型信号运用于风险货币汇率预测的模型也印证了这一观点。文章进一步一步展望了几种交易策略的短期、长期表现。

摘要： 作为一种新型信号变换算法,经验模态分解(empirical mode decomposition,EMD)能够解决傅里叶变换等方法受限于特定基函数的缺陷.本文针对人工神经网络对高频金融时间序列预测准确率不足的问题,结合EMD和韦布尔分布对金融时间序列进行预处理,提出一种基于经验模态分解和多分支长短期记忆网络的分类预测模型,用于从高频金融时间序列中提取有关价格走势的信息并对未来的价格运动趋势做出预测.通过对2009-2012年欧元兑美元汇率时间序列进行预测,实验结果表明,所提出的网络模型可以得到较高的预测准确率和计算速度,并且同普通LSTM网络相比,提高了泛化能力和模型稳定性.

摘要： 研究目标:本文致力于利用智能算法,提升汇率预测精度,为跨境资本流动和汇率风险防范提供参考依据.研究方法:引入机器学习前沿领域的随机森林算法RF,结合模糊信息粒化FIG,利用参数和非参数模型构建具有更精准汇率预测能力的组合模型.研究发现:基于RF和FIG构建的组合模型其汇率预测精度分别优于常用的ARIMA、GARCH、SVR单一模型15.5％、16.7％和36.6％;模糊信息粒化可以实现汇率的变尺度的区间预测,且区间均值比点预测更加精准;模糊粒化窗口为季度时模型表现最好,模型误差随窗口宽度先增后减.研究创新:一是利用随机森林算法合理分配权重将三种单一模型导入汇率预测组合模型,经过PCA降维和FIG处理,增强汇率预测精度.二是利用模糊信息粒化将汇率波动预测从点预测转化为区间预测,并可通过修改时间窗变换预测的时间周期.研究价值:随着人民币国际化和汇率市场化不断深化,汇率双向波动加强,精准预测汇率对宏观决策和微观主体都具有重要意义.

摘要： 随着人民币汇率形成机制市场化进程的加快,汇率波动的弹性空间也逐渐扩大,因此对汇率波动的预测研究具有重要意义。传统的预测模型很难对汇率市场作出有效预测,而新冠肺炎疫情、石油危机引发的市场情绪的恐慌和美股屡次熔断事件更是加大了汇率预测的难度。因此,文章从汇率波动的长记忆性出发,加入代表市场情绪指标的VIX指数,基于长短期记忆深度学习网络模型LSTM进行汇率预测。结果显示,相比传统波动率预测模型,加入情绪指标的LSTM模型预测精度更高。

摘要： 当前学术界针对汇率的预测方法众多,但经过整理,目前的研究主要为针对汇率本身的单变量研究,如ARCH、GARCH等模型或者组合模型。但是影响汇率波动的原因众多,无论是ARCH还是GARCH,或者小波分析等单变量模型的核心前提假设,都是认为当前的序列值蕴含了未来的数值变化规律,从当前时间序列的内在规律为基础,挖掘未来的发展趋势。

摘要： 在经济全球化大背景下,各国之间贸易往来愈发频繁,汇率兑换便成为连接各个国家间经济往来与资本流动的桥梁.在这样的大环境下,对汇率作出更加精准预测对整体金融环境稳定有巨大帮助.本文采用ARIMA模型和VAR模型对汇率进行预测并进行比较,发现使用滚动窗口预测法和扩展窗口预测法得到的结果差别不大,但是ARIMA模型的预测效果是优于VAR模型.

摘要： 汇率作为国际金融关系乃至经济关系正常发展的重要纽带,已几乎渗透到经济生活的一切领域,并发挥着日益重要的作用.因此,正确分析与预测汇价及其波动对于金融政策与投资决策的制定无疑有着至关重要的意义.为了推动汇率预测领域的发展,致力于研究使预测结果更好的模型,本文中把“基于核的多目标线性规划回归机(KSRMCLPR)”运用到人民币汇率预测中,取得了比人工神经网络模型以及SVR模型好的实验结果。

摘要： 从80年代末开始,国外许多机构(如美国科罗拉多大学、加拿大滑铁卢大学、新加坡国立大学、英国ICL公司等)相继开展了用人工神经网络进行汇率预测的研究与开发工作.近年来,国外许多大银行如西特银行、加拿大银行、Montreal银行、德累斯顿银行等也积极开展了这方面的开发与应用.随着加入WTO,国内各家银行间竞争更加激烈,外汇价格趋同,交易时间较接近.因此银行为客户所提供的信息咨询服务的数量与质量已成为客户选择银行所需考虑的一个重要因素.江苏工商银行从去年8月开始研制,该系统可成为辅助客户和交易员进行科学决策的有用工具,本文详细讨论该系统中神经网络汇率预测器的设计与实现.

摘要： 本文针对汇率变化的非线性特征和经典BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP神经网络,以提高网络的收敛速度和泛化能力.文章应用1996年～1999年的美元/英镑汇率月度数据,进行了实证研究.结果表明,遗传算法应用到具体问题时具有良好的适应性和可塑性,在处理汇率这种非线性系统的预测方面也有很好的应用价值.

摘要： 本文对外汇买卖中汇率变化的历史数据进行技术分析,采用移动平均分析法进行分析预测,把握汇率变化趋势。移动平均法利用顺势做单的原则,科学地选择买入/卖出时机,从而得到更大的获利。本文较以往方法的改进之处在于对原始数据采用小波分析去噪法进行预处理,使移动平均线更完美地体现汇率变化趋势,去除大盘涨(跌)势中的小幅暂时下跌(上涨)的影响。此外,通过大量实验及理论论证,对已有移动平均线及通道分析法的一些原则进行验证和补充分析。

摘要： 本文对外汇买卖中汇率变化的历史数据进行技术分析,采用移动平均分析法进行分析预测,把握汇率变化趋势。移动平均法利用顺势做单的原则,科学地选择买入/卖出时机,从而得到更大的获利。本文较以往方法的改进之处在于对原始数据采用小波分析去噪法进行预处理,使移动平均线更完美地体现汇率变化趋势,去除大盘涨(跌)势中的小幅暂时下跌(上涨)的影响。此外,通过大量实验及理论论证,对已有移动平均线及通道分析法的一些原则进行验证和补充分析。

摘要： 本文对外汇买卖中汇率变化的历史数据进行技术分析,采用移动平均分析法进行分析预测,把握汇率变化趋势。移动平均法利用顺势做单的原则,科学地选择买入/卖出时机,从而得到更大的获利。本文较以往方法的改进之处在于对原始数据采用小波分析去噪法进行预处理,使移动平均线更完美地体现汇率变化趋势,去除大盘涨(跌)势中的小幅暂时下跌(上涨)的影响。此外,通过大量实验及理论论证,对已有移动平均线及通道分析法的一些原则进行验证和补充分析。

摘要： 本文对外汇买卖中汇率变化的历史数据进行技术分析,采用移动平均分析法进行分析预测,把握汇率变化趋势。移动平均法利用顺势做单的原则,科学地选择买入/卖出时机,从而得到更大的获利。本文较以往方法的改进之处在于对原始数据采用小波分析去噪法进行预处理,使移动平均线更完美地体现汇率变化趋势,去除大盘涨(跌)势中的小幅暂时下跌(上涨)的影响。此外,通过大量实验及理论论证,对已有移动平均线及通道分析法的一些原则进行验证和补充分析。

摘要： 在现行方法的NAL单元报头中，即使是在nal_ref_flag的值根据nal_unit_type的值被唯一决定的情况下，也分别对nal_ref_flag和nal_unit_type分配比特，是没有效率的设计。动态图像预测编码装置具有：输入单元，其输入构成动态图像的多个图像；以及编码单元，其通过利用画面内预测或者画面间预测中的任意一个方法对所述图像进行编码而生成压缩图像数据，并与包头信息一起进行打包，包头信息包括图片类型，编码单元以唯一地表示编码后的图片数据是否在对其它图片进行解码时被用来参照的方式决定图片类型。

摘要： 在一个实施方式中，图像内的编码对象区域被分割为多个预测区域。根据与对象区域相邻的相邻区域的预测信息、该对象区域内的已编码预测区域的数量以及该对象区域的已编码预测信息，从与作为下一个预测区域的对象预测区域相邻的区域的已编码运动信息中，选出用于该对象预测区域的预测信号的生成的运动信息的候选。根据所选出的运动信息的候选的数量，对指示使用了选出的运动信息的候选的对象预测区域的预测信号的生成的合并块信息和由预测信息估计单元检测到的运动信息，或者，该合并块信息和该运动信息中的任意一方进行编码，并将用于对象预测区域的预测信号的生成的运动信息保存在预测信息保存单元中。

摘要： 本发明提供一种图像预测编码装置，能够抑制预测信息的增加，降低对象块的预测误差，高效地对图像进行编码。在一个实施方式的图像预测编码装置中，在生成对象区域内的部分区域的预测信号时，判定邻接区域的预测信息是否能够利用。在能够利用的情况下，决定使用邻接区域的预测信息来生成预测信号的部分区域的区域宽度。对象区域的预测信号是根据对象区域的预测信息、邻接区域的预测信息以及区域宽度，由已再现信号生成的。对预测信息、用于确定区域宽度的信息、预测信号与对象区域的图像信号之间的残差信号进行编码。

摘要： 该发明公开了一种基于异质集成学习的汇率波动预测方法，本发明涉及数据处理领域。由大量异质的普通传统预测模型作为第一层模型以及能处理复杂非线性问题的机器学习模型作为第二层模型构成的集成学习模型，第一层模型的预测值作为第二层模型的输入值，数据集的划分上单独预留了固定长度的处理集，同时起到筛选第一层更优模型以及计算第二层模型超参数的作用。将传统的线性模型、非线性模型结合起来，能同时考虑到市场的平稳性和波动性，为汇率波动的预测提供了一种新的思路和方法，处理集能同时检验第一层模型和处理第二层模型超参数，能将现有数据集最大程度利用起来。

摘要： 本发明的目的在于，通过按照再现图像的帧尺寸决定在图像缓冲存储器中能够存储的再现图像的最大张数，能够有效利用图像缓冲存储器，进一步提高编码效率。动态图像预测编码装置具有：图像存储单元，其存储将压缩图像数据复原为再现图像后的一个以上的该再现图像，作为在对后续的图像进行编码时使用的参照图像；以及存储器控制单元，其在图像存储单元中控制帧缓冲存储器，在输入图像的帧尺寸是图像的最大帧尺寸的1/(2^L)(L为1以上的整数)以下的情况下，存储器控制单元将帧存储器中能够存储的再现图像的最大张数决定为(2^L)倍。

摘要： 在现行方法的NAL单元报头中，即使是在nal_ref_flag的值根据nal_unit_type的值被唯一决定的情况下，也分别对nal_ref_flag和nal_unit_type分配比特，是没有效率的设计。动态图像预测编码装置具有：输入单元，其输入构成动态图像的多个图像；以及编码单元，其通过利用画面内预测或者画面间预测中的任意一个方法对所述图像进行编码而生成压缩图像数据，并与包头信息一起进行打包，包头信息包括图片类型，编码单元以唯一地表示编码后的图片数据是否在对其它图片进行解码时被用来参照的方式决定图片类型。

摘要： 本申请公开了一种汇率预测模型生成方法、汇率预测方法及相关设备，该汇率预测模型生成方法包括：在获取到训练数据和所述训练数据对应的实际汇率之后，先将所述训练数据输入神经网络模型，得到所述神经网络模型输出的所述训练数据对应的预测汇率；再根据所述训练数据对应的实际汇率与所述训练数据对应的预测汇率之间的差值，对所述神经网络模型进行更新，并继续执行上述将所述训练数据输入神经网络模型，直至达到停止条件时，根据所述神经网络模型，生成汇率预测模型，以使汇率预测模型能够准确地表示出汇率的非线性变化，从而使得利用该汇率预测模型预测得到的预测汇率更符合汇率的实际变化规律。

摘要： 本发明公开了一种人民币汇率期权执行价的预测模型。该人民币汇率期权执行价的预测模型包括包括：变量选择；数据预处理，构建训练数据和预测数据集合；BMA建模；人民币汇率预测及期权应用。本发明对于数据信息的挖掘和使用更加充分，且能判断出解释变量对于因变量的解释作用更好、影响作用更加显著，从而更容易做出科学、准确的预测。基于上述对各期限美元兑人民币汇率的预测，外资、外贸企业可以将其作为办理汇率期权时的执行价，以获得更好地套期保值效果和更高的汇率期权价值。

摘要： 本公开提供了一种汇率预测方法，可以应用于计算机技术领域。该汇率预测方法包括：调用数据库接口，从上述数据库中获取在预设时间段内生成的历史经济数据；根据上述历史经济数据确定M个统计特征的统计值，其中，上述统计特征用于表征汇率的变化趋势，M≥1；将上述M个统计特征的统计值输入第一预测模型中进行预测，输出第一预测值；以及将上述M个统计特征的统计值、上述第一预测值和历史汇率值输入第二预测模型进行预测，输出第一预测结果，其中，上述第一预测结果表征上述汇率的预测结果。本公开还提供了一种汇率预测装置、设备、存储介质。

摘要： 基于神经网络模型与分类模型相结合的外汇汇率预测方法，涉及到外汇汇率预测系统的数据处理方法技术领域。解决外汇汇率预测方案存在不确定性较大，试错成本高，没有充分利用模型的相异性的技术不足。针对回归模型，对N段时期内的外汇历史数据进行数据预处理，输入到神经网络模型中；在神经网络模型中加入延迟层，迭代预测得出较优的预测结果；针对分类模型，收集与回归模型相同时期内的外汇历史数据，拿回归模型预测出来的价格数据划分一个置信区间；根据分类模型预测出价格数据升跌的概率值，调整置信区间的大小；从而得到适合的进场和出场的价格参考的外汇汇率预测结果。减少了不确定性的影响，提升了预测结果的可靠性。