基于Hilbert-Huang变换和层反馈神经网络的人民币汇率预测

论文摘要

汇率一直是各国金融理论和政策研究中的重点和热点问题。汇率波动是产生外汇风险的决定性因素,预测汇率的波动方向和幅度是确定其风险大小和影响程度的首要工作。深入研究当今人民币汇率的行为特征,揭示其内在的运行规律,并提高汇率预测的精度,对于国家制定相关的汇率政策、调整外汇储备、银行国际业务决策、企业的国际贸易活动等都具有十分重要的意义。本文对汇率预测方法和模型的发展进行了较全面的回顾,评价了神经网络技术、时频分析方法尤其是Hilbert-Huang变换在汇率预测领域的应用,确定了研究基础。然后提出了一个基于Hilbert-Huang变换和层反馈神经网络的汇率预测模型。其中,Hilbert-Huang变换能够充分利用原始序列中的数据信息,反馈神经网络有一个或多个反馈层,可以实现对非线性系统真正的动态建模。选取1994年1月1日至2009年6月30日的人民币兑美元汇率序列的周汇率数据作为样本进行实证研究。首先检验样本序列的非线性,对其进行经验模态分解与分解结果的重构,证明了分解结果的有效性;接下来对分解得到的固有模态函数进行了Hilbert变换,发现人民币汇率序列的时频特征;最后在确定神经网络的关键参数的基础上,对基于层反馈网络与基于Hilbert-Huang变换和层反馈网络模型的人民币汇率预测效果进行了对比分析,实证结果表明本文提出的模型是有效的。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 选题背景与意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 相关文献综述
• 1.2.1 汇率预测方法
• 1.2.2 时频分析及其应用
• 1.2.3 层反馈神经网络及其应用
• 1.3 研究思路与结构安排
• 第2章 汇率预测研究基础与理论分析
• 2.1 时频分析方法
• 2.1.1 传统的时频分析方法
• 2.1.2 Hilbert-Huang 变换
• 2.2 层反馈神经网络预测方法
• 2.2.1 神经网络的技术原理与算法
• 2.2.2 层反馈神经网络模型
• 2.3 Hilbert-Huang 变换与层反馈神经网络预测
• 第3章 人民币汇率序列的Hilbert-Huang变换时频分析
• 3.1 样本数据的选取与预处理
• 3.2 人民币汇率序列的非线性检验
• 3.2.1 Kolmogorov-Smirnov 检验
• 3.2.2 BDS 检验
• 3.3 人民币汇率序列的经验模态分解
• 3.3.1 固有模态函数的分解
• 3.3.2 分解结果的重构与误差比较
• 3.4 基于Hilbert 滤波的人民币汇率波动序列时频特征
• 第4章 人民币汇率序列的层反馈神经网络预测
• 4.1 神经网络关键参数的确定
• 4.1.1 最佳样本数的确定
• 4.1.2 最优滞后期的确定
• 4.1.3 过拟合问题的处理
• 4.2 两类模型的人民币汇率预测效果及比较
• 4.2.1 层反馈网络的预测结果
• 4.2.2 基于EMD 的层反馈网络的预测结果
• 4.3 基于EMD和层反馈网络的人民币汇率预测效果
• 4.3.1 两类模型的样本内拟合能力比较
• 4.3.2 两类模型的样本外预测能力比较
• 4.4 神经网络模型预测性能的显著性检验
• 4.4.1 D-M 测试
• 4.4.2 H-M 测试
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间公开发表的论文
• 附录 B 攻读学位期间所参与的科研项目
• 附录 C 部分源程序