期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN与LSTM的人民币汇率分析与预测 被引量:9
1
作者 熊志斌 《数理统计与管理》 CSSCI 北大核心 2022年第3期507-525,共19页
由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一。本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率。首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列... 由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一。本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率。首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列分解为若干不同频率的分量序列;接着通过Hilbert谱分析和相关统计方法确定高频、低频和趋势等三种结构分量,并将高频分量序列合并优化为一个新的分量序列;然后运用长短时记忆神经网络(LSTM)模型分别对各分量进行预测;最后将这些预测结果集成得到汇率的最终预测结果。本文以美元、欧元、英镑和日元兑人民币4种汇率为研究对象,研究发现:1)4种汇率的价格及波动受趋势分量和低频分量的影响较大,受高频分量的影响较小;2)欧元、英镑和日元兑人民币汇率受随机波动的影响要远大于美元兑人民币汇率所受到的影响,对短线投资者和机构来说,相比美元兑人民币汇率,关注另外三种汇率的高频分量可能具有更重要的意义;3)对比了其它10种模型(包括5种综合模型和5种单一模型)的预测结果,本文所提出的模型无论在预测精度还是在预测方向准确率上,表现都是最佳的,也充分说明该模型预测的有效性。此外,本文所提出的研究方法框架对其它金融时间序列的研究也具有一定的借鉴和参考价值。 展开更多
关键词 自适应噪声完备经验模态分解 长短时记忆模型 人民币汇率预测
原文传递
基于小波分析与支持向量机的人民币汇率预测 被引量:6
2
作者 谢赤 黄曦 孙柏 《湘潭大学学报(哲学社会科学版)》 CSSCI 北大核心 2009年第5期82-87,共6页
利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题。结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型。先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各... 利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题。结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型。先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果。实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测。 展开更多
关键词 人民币汇率预测 小波分析 滞后阶 支持向量机
下载PDF
跨市场跨来源情感分析驱动的人民币汇率预测研究
3
作者 操玮 廖臣悦 张福伟 《数据分析与知识发现》 EI CSCD 北大核心 2023年第12期75-87,共13页
[目的]将跨市场跨来源情感分析引入人民币汇率预测模型中,提升汇率趋势的预测效果。[方法]构建融合跨市场跨来源情感分析的CCSA-DL模型:采用BERT-TextCNN模型分别提取中美两国官方媒体与个人投资者的深层情感特征,并与基于LSTM的汇率时... [目的]将跨市场跨来源情感分析引入人民币汇率预测模型中,提升汇率趋势的预测效果。[方法]构建融合跨市场跨来源情感分析的CCSA-DL模型:采用BERT-TextCNN模型分别提取中美两国官方媒体与个人投资者的深层情感特征,并与基于LSTM的汇率时序深层特征实现融合共享,在此基础上借助SVM模型实现汇率预测。[结果]与基线模型相比,CCSA-DL模型在预测指标和经济收益的表现上均达到最优,尤其与LSTM预测模型对比,在3个评价指标上有平均约16.77%的提升。[局限]情感分析数据来源有待进一步拓展和优化。[结论]引入跨市场跨来源情感分析的CCSA-DL模型具有较优的汇率预测效果和经济收益。 展开更多
关键词 人民币汇率预测 跨市场跨来源情感分析 深度学习
原文传递
基于GARCH和LSTM神经网络混合模型的人民币汇率预测研究
4
作者 郑扬飞 张青龙 《管理科学与研究(中英文版)》 2022年第9期121-127,共7页
本文选取了深度学习算法中对时间序列预测表现良好的长短期记忆模型(Long Short Term Memory,LSTM)与GARCH模型相结合,对2017年1月至2021年12月美元兑人民币和欧元兑人民币汇率进行预测,以融合新型的深度学习模型和传统的金融时间序列... 本文选取了深度学习算法中对时间序列预测表现良好的长短期记忆模型(Long Short Term Memory,LSTM)与GARCH模型相结合,对2017年1月至2021年12月美元兑人民币和欧元兑人民币汇率进行预测,以融合新型的深度学习模型和传统的金融时间序列预测模型各自优势来提高人民币汇率预测的准确性。经实证发现,GARCH模型、LSTM模型、GARCH和LSTM的混合模型预测的准确性依次提高,混合模型能较好地提升预测能力。 展开更多
关键词 人民币汇率预测 GARCH模型 LSTM神经网络
下载PDF
基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测 被引量:8
5
作者 宋博 陈万义 《数学的实践与认识》 北大核心 2017年第1期70-78,共9页
在复杂多变的金融市场,人民币汇率的变化受多种因素的影响,而人民币汇率的变化又影响着经济生活的方方面面,人民币汇率及其变化特征受到人们的广泛关注,研究人民币汇率变化特征,正确分析与预测人民币汇率的走势,对于国家和各个经济主体... 在复杂多变的金融市场,人民币汇率的变化受多种因素的影响,而人民币汇率的变化又影响着经济生活的方方面面,人民币汇率及其变化特征受到人们的广泛关注,研究人民币汇率变化特征,正确分析与预测人民币汇率的走势,对于国家和各个经济主体制定金融政策和投资决策具有十分重要的意义,采用HP滤波法将汇率数据序列分解为趋势成分序列和波动成分序列,然后使用自回归和ARMA-GARCH模型分别进行拟合和预测,通过实证分析发现模型有着较好的预测效果,可以为金融产品的预测研究和制定金融政策提供参考。 展开更多
关键词 HP滤波 ARMA-GARCH模型 人民币汇率趋势预测
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部