基于BP神经网络的我国上市跨国公司汇率风险预警与防范研究

论文摘要

自2005年7月21日起,我国开始实行以市场供求为基础,参考一篮子货币进行调节、有管理的浮动汇率制度。此后,我国人民币汇率形成机制变得更加富有弹性,市场不断主导人民币汇率的形成与波动,人民币汇率波动幅度加大,我国诸多上市跨国公司面临着巨大的汇率风险。近年来人民币不断升值,给我国上市跨国公司带来了巨大的压力和挑战。汇率波动对上市跨国公司的国际竞争力、财务稳健、风险管理等都具有十分重要的影响。汇率风险是我国上市跨国公司必然面对的问题,2005年汇改以来,随着中国跨国公司国际化经营程度的提高,由汇率波动所带来的风险越来越大,如何准确预测汇率风险以便及时采取应对措施成为亟待解决的问题。本文以我国上市跨国公司或其旗下公司的T-1、T-2期公司规模、外销比例和总风险数据组合的面板数据作为研究样本,利用BP人工神经网络工具,构建汇率风险预警模型对样本T期末汇兑损益状况进行预测。经过对样本的反复训练和学习,分别取得对T-1期数据88.24%和T-2期数据64.71%的总体判正率,模型表现出较高的预测精度。研究结果表明：BP神经网络是一种比较理想的汇率风险预测工具,具有良好的实际应用前景和推广价值。本文在此基础之上,研究并提出了针对我国上市跨国公司的汇率风险防范措施。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景、目的与意义
• 1.2 国内外研究现状与评价
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文的研究方法和主要内容
• 1.4 本文的难点与创新点
• 第2章 基础概念的界定及BP神经网络
• 2.1 汇率风险的涵义及其分类
• 2.1.1 汇率风险的涵义
• 2.1.2 汇率风险的分类
• 2.2 影响我国上市跨国公司汇率风险的因素
• 2.2.1 影响汇率风险的一般因素
• 2.2.2 影响我国上市跨国公司汇率风险的因素
• 2.3 BP人工神经网络
• 2.3.1 BP人工神经网络的基本思想
• 2.3.2 BP人工神经网络的典型结构
• 2.3.3 BP人工神经网络的主要能力
• 2.3.4 BP人工神经网络在经济预测及预警领域的应用
• 2.4 利用BP神经网络模型进行汇率风险预警的可行性
• 2.4.1 人民币汇率的进一步市场化及汇率风险预警条件的成熟
• 2.4.2 影响汇率风险因素的可确定性及相关数据的可采集性
• 2.4.3 运用BP神经网络进行汇率风险预警的必要性
• 第3章 基于BP人工神经网络的汇率风险预警模型
• 3.1 我国上市跨国公司汇率风险管理的现状分析
• 3.1.1 我国上市跨国公司汇率风险管理现状
• 3.1.2 我国上市跨国公司汇率风险管理存在的问题
• 3.2 BP人工神经网络预警模型的设计
• 3.2.1 输入指标体系的选取
• 3.2.2 期望输出（教师信号）的选取
• 3.2.3 其它网络参数的确定
• 3.3 样本选取、数据采集及处理
• 3.3.1 样本选取
• 3.3.2 数据采集及处理
• 3.4 基于BP神经网络的汇率风险预警模型的建立
• 3.4.1 导入建模样本数据集并对输入指标数据进行预处理
• 3.4.2 生成BP神经网络
• 3.4.3 网络权值和阈值的初始化
• 3.4.4 设置训练函数的参数
• 3.4.5 训练网络
• 第4章 预警模型的检验与相关分析
• 4.1 预警模型检验样本数据的预处理
• 4.2 预警模型的检验与分析
• 第5章 我国上市跨国公司汇率风险的防范对策
• 5.1 增强风险防范意识,培育自有专门人才
• 5.1.1 增强汇率风险防范意识
• 5.1.2 引进、培养汇率风险管理的专业人才
• 5.2 建立预警指标体系及风险防范机制
• 5.2.1 建立汇率风险预警指标体系
• 5.2.2 建立并完善汇率风险预警防范机制
• 5.3 选择风险管理方法
• 5.3.1 交易风险暴露的防范
• 5.3.2 折算风险暴露的防范
• 5.3.3 经济风险暴露的防范
• 5.4 完善风险防范制度
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文