基于支持向量机的汇率预测研究

发布时间：2020-06-21 04:05

【摘要】：在经济全球化过程中,汇率作为两种货币的相对价格,在维持两国或多国之间经济交往方面,具有很重要的桥梁和纽带作用,而且这种作用正在日益加强。汇率是开放经济条件下的核心经济变量之一,联系着各种宏观经济因素、微观经济因素,影响着国民经济的内部平衡和对外平衡。因此对于国家或其它经济体而言,预测汇率具有重要的现实意义。对于企业等组织和个人而言,汇率预测也具有一定的实用价值。鉴于此,本文以汇率决定理论和支持向量机理论为主要理论基础,建立起预测汇率的指标体系,构建出以主成分分析和支持向量机为架构的模型,对汇率进行预测。在第二章中,本文首先介绍了五种汇率决定理论的提出背景、假设和结论,从中总结出了影响汇率的因素。然后,分析了支持向量机的基本原理,简要说明了主成分分析的基本原理和数据处理过程。在第三章中,按照一定的指标筛选原则确定了指标,建立了预测汇率的指标体系。将支持向量机和主成分分析组合,设计了组合模型的结构和处理流程。为了验证汇率预测模型的精确度,在第四章中实证了PCA-SVM模型的效果。采用人民币兑换美元的汇率作为研究对象,对实际汇率数据进行了预测。并与支持向量机模型和基于遗传算法的BP神经网络模型的结果做了对比。对比结果表明,主成分分析和支持向量机组合模型的预测精度最高,平均绝对百分比误差达到了0.38%,能够对汇率数据进行比较准确的预测。预测结果说明了本文建立指标体系的思路是正确的。也证明了利用主成分分析分析,不但能够简化支持向量机模型的输入,还能够提高模型的预测精度。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F832.6;F224
【图文】：

等高线图,参数寻优,等高线图

在应用支持向量机处理数据过程中，本文试图使用网格遍历法确定惩罚 C、核参数 δ、损失函数中参数 ε（为了便于说明，和 LIBSVM 软件保持，用 g 代替 δ，用 p 代替 ε）。但在操作过程中发现，如果用网格遍历法选三个参数的最优值，那么它们的取值组合就太多了。受限于电脑的性能，的运行时间太长（超过 30 个小时仍未得到结果）。所以本文采取一种折中法——利用网格遍历法确定参数 C 和 g，采用试凑法确定参数 p。网格遍历法的实现，利用了 LIBSVM 中的寻优函数 SVMcgForRegress（方式请参见附录 2 中 PCA-SVM 部分）。因为本文训练样本只有 52 个，并很多，所以在选择最优参数过程中，K 折交叉验证没有采用 10 折交叉验证 K 取值为 7。确定 C 和 g 的范围时，首先用比较大的范围。C 的范围15，225]，g 的范围取[2-18，2-8]，C 和 g 的变化步长采用 SVMcgForRegress的默认步长 0.8（即 C 和 g 每次变化都是乘以 20.8），得到相对最优的 C 和后，再缩小 C 和 g 的取值范围，令 C 的取值范围变为[219，222]，g 的取值变为[2-16，2-13]，变化步长都缩小为 0.05（即每次 C 和 g 变化都是用原值 20.05）。最终确定 C 值为 2247671.86050491，g 值为 0.000038896503519264图 4-2、图 4-3 所示。利用试凑法确定 p 值为 0.0327。

【参考文献】