基于神經(jīng)網(wǎng)絡和遺傳規(guī)劃的匯率預測技術研究.pdf

1、匯率的決定與預測一直是現(xiàn)有的國際經(jīng)濟研究文獻中非常重視且有爭議的話題，迄今尚未出現(xiàn)完整的理論及一致性論述。本文針對匯率問題的復雜性，根據(jù)匯率的非線性關系和匯率數(shù)據(jù)自身的非線性特征，從非線性模型與進化計算角度出發(fā)，以神經(jīng)網(wǎng)絡與遺傳規(guī)劃為主要工具，對人民幣匯率的可預測性問題進行了一定的分析，試圖根據(jù)人民幣匯率本身的一些特性，構建適于人民幣匯率的預測模型，并取得如下幾點研究成果：
　　 ⑴對人民幣匯率的預測建模過程進行了總體設計。通過

2、對人民幣影響因子的分析，選擇美元、日元、歐元、韓元這四種貨幣的匯率作為輸入變量，并對輸入數(shù)據(jù)進行了收集與預處理。通過對各種實證模型的分析，選擇神經(jīng)網(wǎng)絡與遺傳規(guī)劃兩大模型，運用固定預測方案，以平均絕對百分比誤差( meanabsolute percentage error，MAPE)、預測誤差平均值(mean absolute error，MAE)、均方根誤差（root mean squared error，RMSE）三大定量標準來對預測

3、精度進行比較與評估。
　　 ⑵對BP網(wǎng)絡與算法在匯率預測實例中的研究。重點比較了對于不同的層次結構、隱層單元個數(shù)、學習速率以及激勵函數(shù)等要素對收斂效果、模擬檢驗及預測結果的具體影響，經(jīng)過對比分析得出最優(yōu)的BP模型結構，預測結果最優(yōu)。
　　 ⑶從激勵函數(shù)與網(wǎng)絡結構的角度對BP神經(jīng)網(wǎng)絡進行了改進。選擇使用新激勵函數(shù)，通過數(shù)學計算分析得出這個激勵函數(shù)是雙極性的，從而能夠運用于神經(jīng)網(wǎng)絡中的激勵函數(shù)。通過和傳統(tǒng)BP神經(jīng)網(wǎng)絡的預測結

4、果進行對比，得出改進后的BP網(wǎng)絡無論從收斂速度還是預測精度有明顯提高。
　　 ⑷以相同的訓練樣本以及預測樣本，運用RBF與GRNN兩大模型進行匯率模擬預測。通過試算確定模型的參數(shù)，得出當RBF網(wǎng)絡徑向基分布參數(shù)SPREAD與GRNN網(wǎng)絡光滑因子的最優(yōu)值，最終獲得的模型訓練和測試效果預測誤差最小。再將改進的BP神經(jīng)網(wǎng)絡，RBF神經(jīng)網(wǎng)絡，以及GRNN神經(jīng)網(wǎng)絡三種網(wǎng)絡的預測效果進行全面的對比，證明改進的BP網(wǎng)絡無論從訓練速度，以及預測