基于LSTM与GARCH族混合模型的人民币汇率波动预测研究

发布时间：2021-06-29 06:25

　　深度学习算法在时间序列预测领域具有较大优势。基于深度学习中的长短期记忆模型（LSTM）构建了LSTM与GARCH族混合模型,以期融合新型深度学习模型和传统统计计量模型的各自优势,进而提高人民币汇率波动率预测的精度。选取2009—2018年的数据,对比分析了LSTM与GARCH族混合模型、单一LSTM模型和单一GARCH模型的预测结果。实验结果表明,LSTM与GARCH族混合模型要优于单一模型,单一LSTM模型要优于单一GARCH模型;另外,LSTM结合多个GARCH模型的复杂混合模型（LSTM-GEM）预测准确度最高,其次是LSTM结合两个或单个GARCH族模型的简单混合模型。 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：4 页

【参考文献】：
期刊论文
[1]基于稀疏模型的人民币汇率波动预测[J]. 周爱民,刘晓孟.  上海金融. 2019(03)
[2]深度学习能更好地预测人民币汇率吗?[J]. 周颖刚,陈海鹏.  金融科学. 2018(01)
[3]基于深度学习的上证综指波动率预测效果比较研究[J]. 陈卫华.  统计与信息论坛. 2018(05)
[4]基于泰勒规则的人民币汇率预测研究:兼论多种汇率决定模型预测比较[J]. 江春,杨宏略,李小林.  世界经济研究. 2018(04)
[5]国际石油价格与人民币汇率的联动效应研究——基于VAR模型的实证分析[J]. 丁绪辉,王柳元,贺菊花.  价格理论与实践. 2017(07)
[6]基于中位数GARCH模型的汇率波动率预测[J]. 张曼,赵学靖,田人合.  统计与决策. 2017(11)
[7]基于马尔科夫状态转换GARCH模型的汇率波动预测[J]. 黄晓芝,宋伟,刘子寅.  统计与决策. 2017(06)
[8]基于混频数据的人民币汇率预测研究[J]. 张蜀林,杨洋.  商业研究. 2016(12)
[9]汇率基本面模型对人民币汇率的预测能力[J]. 邓贵川,李艳丽.  数量经济技术经济研究. 2016(09)
[10]人民币汇率波动的预测——基于损失函数和DM检验的比较分析[J]. 李艳丽,邓贵川,李辰阳.  国际金融研究. 2016(02)



本文编号：3255925