基于UKW聚类与反馈神经网络的人民币兑欧元汇率预测

发布时间：2021-09-04 10:05

　　汇率既是联系国际间经济往来的纽带,也是可以及时有效地反映一国经济稳定与金融安全状态的重要变量。近年来中欧经贸关系的突飞猛进、欧元国际地位的迅速上升以及2005年汇改后人民币放弃单一盯住美元等因素都使得人民币兑欧元汇率受到越来越多的关注,特别是全球金融海啸爆发后人民币兑欧元汇率行为变得更为复杂,对其准确描述与预测也迅速成为中国外汇管理的关键环节。本文综合考虑了汇率行为的多尺度复杂性,以及现有汇率预测研究中神经网络模型应用的局限性,在对研究期内的人民币兑欧元汇率数据进行正态性检验、非线性检验以及混沌性判别的基础上,提出将多维空间聚类UKW算法与动态反馈神经网络组合构建汇率预测模型的方法,同时优化神经网络的输入变量和学习机制。实证分析从样本内拟合、样本外预测及显著性检验三方面系统地比较了4种神经网络模型在不同参数条件下的预测能力,结果表明结合UKW聚类与层反馈RNN2网络构建的预测模型为人民币兑欧元汇率行为描述与预测能力最强的模型。本文采用UKW聚类结合反馈神经网络的方法实现了对汇改以来的人民币兑欧元汇率行为较为准确的描述与预测,研究结果为制定与汇率有关的宏观经济政策、规避外汇风险等决策均具... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

本文技术路线图

神经网络的汇率预测能力达成一致的结论[20]，本文依照 Meese 和 Rogoff 对原始数据的处理方法[75]，对人民币兑欧元汇率的原始数据序列取自然对数，记为 SEUR={lnpt}。首先对 SEUR序列全体样本数据进行统计描述，同时以 SEUR的差分序列作为波动序列，记为 VEUR={lnpt－lnpt-1}，以进一步分析汇改以来人民币兑欧元汇率的变化特征。对序列 SEUR与 VEUR的描述性统计结果如图 3.1 与表 3.1 所示。

005年汇改后人民币兑欧元汇率价格序列与波动趋势图

【参考文献】：
期刊论文
[1]外汇资产的时变相关性分析[J]. 龚朴,黄荣兵.  系统工程理论与实践. 2008(08)
[2]汇率时间序列混沌动力学特征及实证[J]. 谢赤,杨妮,孙柏.  系统工程理论与实践. 2008(08)
[3]基于混沌分析的人民币兑美元汇率行为研究[J]. 谢赤,罗福来,孙柏.  湘潭大学学报(哲学社会科学版). 2008(04)
[4]非线性时间序列的相空间重构技术研究[J]. 秦奕青,蔡卫东,杨炳儒.  系统仿真学报. 2008(11)
[5]汇率预测的神经网络方法及其比较[J]. 谢赤,欧阳亮.  财经科学. 2008(05)
[6]欧元汇率变动的实证分析[J]. 莫鹍,付波.  科协论坛(下半月). 2008(03)
[7]欧元汇率波动的混沌行为分析[J]. 丁艺,李斌,沈海燕.  统计与决策. 2008(01)
[8]科学数据时间序列的预测方法[J]. 周巧临,傅彦.  电子科技大学学报. 2007(06)
[9]一种基于聚类的RBF神经网络模型[J]. 周经野,彭相华,王智超,余敏.  湘潭大学自然科学学报. 2007(04)
[10]利率平价理论与人民币汇率关系的分析[J]. 郑春梅,肖琼.  经济问题. 2006(12)



本文编号：3383066