超短期汇率的预测研究
- 格式:docx
- 大小:72.21 KB
- 文档页数:6
人民币兑美元汇率混沌动力学预测模型应用混沌理论对人民币兑美元汇率系统进行建模及预测。
建立了两个混沌动力学模型,即人民币兑美元汇率的日收益序列预测模型和人民币兑美元的日汇率序列预测模型。
实证结果表明,两个模型的预测结果都好于均值模型的预测。
其中,前者的预测均方根误差比较大,而后者的预测均方根误差非常小,表明两个模型中,后者更适合于人民币兑美元汇率的预测。
标签:汇率混沌预测2005年7月21日,中国人民银行宣布了改变人民币汇率形成机制的公告,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。
由于人民币汇率不再盯住单一美元,因此,人民币汇率的变动趋势更加复杂化,汇率的波动带来的风险也大大超过以往,而汇率的频繁波动及由此带来的外汇风险对于国际金融、贸易和投资都具有关键性的影响作用,因此,正确预测人民币汇率的变化也变得越来越重要。
虽然人民币汇率不再盯住单一美元,但美元仍在一篮子货币中占有最大的比重。
因此正确预测人民币兑美元汇率走势将有助于我们有效的规避外汇风险。
人民币兑美元汇率系统是一个具有混沌特性的系统。
而混沌理论认为,由于混沌系统对初值的敏感性使得对其进行长期预测是不可能的。
但是,在短期内,系统运动轨迹发散应较小,从而利用观测资料进行短期预报是可行的。
因此,本文应用混沌理论对人民币兑美元汇率系统进行短期建模及预测的尝试。
一、理论与方法1.相空间重构理论相空间重构是对汇率序列进行混沌预测研究的基础,通过相空间重构可以找出隐藏在混沌吸引子中的演化规律,使序列数据能够纳入某种可描述的框架之下。
相空间重构是由Packard和Takens提出的,其目的是在高维相空间中恢复混沌吸引子。
系统任一分量的演化是由与之相互作用的其它分量所决定的。
因此,这些相关分量的信息就隐含在任一分量的发展过程中。
这样,就可以从某一分量的一批时间序列中提取和恢复系统原来的规律,这种规律是高维空间下的一种轨迹。
Packard等建议用原始系统中的某变量的延迟坐标来重构相空间,Takens则证明可以找到一个合适的嵌入维,即如果延迟坐标的维数是动力系统的维数,在这个嵌入维空间里可以把有规律的轨迹(吸引子)恢复出来。
外汇市场趋势预测技巧外汇市场是一个由各国货币组成的市场,随着经济全球化的加速,外汇市场也变得日益复杂和不可预测。
预测外汇市场趋势的准确性对于交易者来说至关重要。
本文将介绍一些常见的外汇趋势预测技巧,帮助交易者在这个波动的市场中获取更多的利润。
一、基础分析基础分析是通过分析全球经济、政治和社会因素来预测外汇市场的趋势。
这些因素包括国际贸易、GDP、通货膨胀率、中央银行政策、地缘政治冲突等。
基础分析需要深入研究相关因素,了解它们的影响,从而做出正确的预测。
例如,在通货膨胀率上升的情况下,货币价值通常会下降,因为通胀压力会导致央行加息,从而减少货币供应。
二、技术分析技术分析是通过研究历史价格图表、成交量等图形来预测未来价格趋势。
技术分析使用的基本工具包括趋势线、移动平均线、相对强弱指数、MACD等。
根据技术分析,价格图表或股票图表具有可识别的模式,如上升三角形、倒锤子等,这些形态可以用来预测价格趋势。
三、持仓比例和资金管理持仓比例和资金管理非常重要。
交易者应将资金分配到不同的货币对中,并设置止损和止盈。
止损的设定尤其重要,因为市场的波动性可以导致价格在短时间内剧烈波动,触发止损单并造成损失。
交易者还应该撤销不符合预期的交易以避免大幅损失。
四、关注财经新闻关注全球经济和政治新闻非常重要,这些事件可能会影响外汇市场的趋势。
例如,国际贸易谈判、央行的政策变化、地缘政治冲突等都可以影响货币供应和需求。
交易者应该密切关注这些新闻,以便做出更明智的投资决策。
五、模拟交易最后一个技巧是进行模拟交易。
模拟交易是指在不使用实际资金的情况下进行交易。
交易者可以通过模拟交易平台体验交易环境,并尝试各种策略,以了解哪些策略适用于不同的情况。
此外,模拟交易还可以帮助交易者继续完善自己的交易技能。
结论外汇市场具有极高的交易风险,但随着技术和经验的积累,交易者可以更精准地预测市场趋势并获得更多的利润。
基础分析和技术分析都是预测外汇市场趋势的有效方法。
汇率分析篇客户进行个人实盘外汇买卖是以赚取汇差为目的的,成功地预测汇率走势是问题的关键。
为此,特简要介绍有关预测汇率的知识和方法,以便于客户学习和掌握。
分析汇率的方法有几种?答:分析汇率的方法主要有两种:基础分析和技术分析。
基础分析是对影响外汇汇率的基本因素进行分析,基本因素主要包括各国经济发展水平与状况,世界、地区与各国政治情况,市场预期等。
技术分析是借助心理学、统计学等学科的研究方法和手段,通过对以往汇率的研究,预测出汇率的未来走势。
汇率的基础分析利率平价学解释了什么?答:由英国经济学家凯恩斯于1923年提出的利率平价学说,解释了利率水平和汇率之间的关系。
简而言之,哪种货币利率高,投资者就愿意购买哪种货币,从而将促使该货币汇率上升。
利率平价学说突破了传统的国际收支和物价水平的范畴,从资本流动的角度研究汇率的变化,奠定了现代汇率理论的基础。
何为购买力平价学说?答:购买力平价学说是西方的一种汇价学说。
两国货币的比价取决于两国货币国内购买力的对比关系。
如果,1只汉堡在英国价值卖1英镑,同样的汉堡在美国卖1.70美元。
我们说汇率为1英镑对1.70美元。
尽管购买力平价学说并不完美,但是中央银行在计算通货之间的基本比率时仍起着重要作用。
因为根据购买力计算出的基础汇率与市场价之间比较,可以判断现行市场汇率于基础汇率的偏离程度,是预测长期汇率的重要手段。
外汇供求是受周期性波动影响吗?答:是的。
外汇的供求矛盾常常存有周期性的循环,不同外汇有不同周期;就是同一种外汇,在不同的时间过程,也存在不同的周期性趋向,例如季节性的周期,汇价便经常由于一国的货币需求量或供应量的季节性变化,表现出循环的波动。
在出口旺季的月份,国外的进口商更需要增加该国的货币去购买产品,生产国的货币在外汇市场出现求大于供,在买方力量的推动下,货币便会升值;同样,在进口旺季的时,该国的货币供应量出现大增,造成超额供应,其对外汇价便会下跌。
这个因素可从过去的资料,利用统计学的方法去分析。
第三章汇率决定理论汇率是一种金融资产价格,它是一种货币用另一种货币表示的价格。
汇率的定义给我们这样的直觉,即可以通过考察每种货币的供求来分析某一汇率水平的达到和变动。
本章对均衡汇率的决定及其变动的分析就是主要通过分析两国货币供求的变动进行的。
但这样做绝不意味着其他因素对汇率的影响无足轻重,事实上,货币供求对汇率的影响往往通过其他因素作为中间环节起作用。
这种将汇率作为一种资产价格进行分析的方法始于20世纪70年代。
在此之前,国际贸易余额被视为汇率决定中的最主要因素。
那时,人们通常强调汇率变动在消除国际贸易失衡中的作用。
根据这一思路,我们可以预期,贸易盈余国的货币会升值,而贸易赤字国的货币会贬值。
这样,汇率变动导致国际相对价格的变动从而消除贸易失衡。
但现实世界远非如此简单。
贸易盈余国货币贬值、赤字国货币升值的现象时有发生。
这促使经济学家从新的角度来考察汇率的决定和变动。
将汇率作为资产价格的分析方法有两种复杂程度不同的形式。
较简单的是汇率决定的货币分析法,它假定了国内和国外债券完全可替代。
它认为汇率调整使国内和国外的货币市场达到均衡。
影响国内和国外货币供求的因素,如政府货币政策、国与国相对经济增长率的差异等,会对货币市场均衡产生扰动并进而影响汇率。
较为复杂的是汇率决定的资产组合分析法。
与货币分析法不同,它假定国内和国外资产不完全可替代一假定意味着,在考虑货币市场均衡外,我们必须注意汇率行为与国内和国外债券的供给、需求变动的关系。
例如,使对国内债券相对需求改变的因素会破坏投资者在国内、外资产组合上的平衡从而影响汇率。
本章的分析从对货币市场均衡的分析开始。
3.1外汇市场均衡—利率平价理论一种资产的均衡价格是使这种资产供求相等的市场出清价格,因此,资产价格决定理论首先需阐明决定一种资产的市场供给和市场需求的因素。
对外汇资产而言,外汇市场上一种货币的供给就相当于对其他货币的需求,因此,汇率决定理论首先只需理解对外汇的需求。
《汇率与股价变动关系_基于汇改后数据的实证研究》篇一汇率与股价变动关系_基于汇改后数据的实证研究汇率与股价变动关系:基于汇改后数据的实证研究一、引言随着全球经济的日益一体化,汇率与股价的变动关系已成为金融领域研究的热点问题。
本文旨在探讨汇改后汇率与股价之间的相互影响及变动关系,以期为投资者和政策制定者提供有价值的参考。
二、文献综述在过去的研究中,汇率与股价的关联性一直是学术界关注的焦点。
多数研究表明,汇率与股价之间存在一定程度的相互影响。
一方面,汇率的变动可能影响企业的出口和进口成本,进而影响企业的盈利状况和股价;另一方面,股价的变动也可能反映市场对未来汇率变动的预期。
然而,由于不同国家和地区的经济环境、政策因素等存在差异,汇率与股价的变动关系在不同国家和地区可能存在差异。
三、研究方法与数据来源本研究采用实证研究方法,基于汇改后的数据进行分析。
数据来源为权威金融数据库,包括汇率数据、股票价格数据以及相关经济指标数据。
在数据处理过程中,采用描述性统计、相关性分析、回归分析等方法,以揭示汇率与股价之间的变动关系。
四、实证研究1. 描述性统计首先,对汇率和股价进行描述性统计,包括均值、标准差、最大值、最小值等。
结果表明,汇率和股价均存在较大的波动性,说明市场存在不确定性。
2. 相关性分析通过计算汇率与股价之间的相关系数,发现两者之间存在一定的正相关关系。
即当汇率上升(本币升值)时,股价往往呈现上涨趋势;反之,当汇率下降(本币贬值)时,股价可能呈现下跌趋势。
然而,这种关系并非绝对,受到多种因素的影响。
3. 回归分析为了进一步探讨汇率与股价之间的变动关系,采用回归分析方法。
以股价为因变量,汇率及其他相关因素为自变量,建立回归模型。
结果表明,汇率对股价具有显著影响,且这种影响在长期和短期内存在差异。
此外,还发现其他经济因素如利率、经济增长率等也对股价产生影响。
五、结论与建议1. 结论通过实证研究,本文得出以下结论:汇改后汇率与股价之间存在一定的相互影响及变动关系。
后危机时代人民币汇率政策的研究【摘要】本文首先分析了后危机时代的特点以及对我国经济所产生的影响,然后对我国自危机爆发以来的汇率政策的实行情况进行阐述,总结了后危机时代我国汇率政策所面临的两大主要挑战。
最后,本文根据汇率政策制定的目标和我国汇率政策所面临的挑战提出针对化的政策建议,在不断完善我国汇率机制的同时,缓慢的释放人民币的升值压力,慢慢升值到一个和市场经济相匹配的水平,来促进我国经济的稳健增长。
【关键词】后危机时代人民币汇率政策2007年以雷曼兄弟贝尔斯登等世界知名投行破产为序幕的美国次贷危机,是继1929年~1933年世界经济危机之后又爆发的一次波及全球的经济危机,其速度之快、规模之大、范围之广、影响之深远大于上次危机。
作为世界经济一体化的重要组成部分,从2008年10月份开始,我国经济发展受到次贷危机的影响日益显现,国内行业和企业受到了巨大冲击,形势非常严峻。
经过我国经济政策的及时调整,我国较为平稳的渡过危机,持续保持gdp在9%的增长速度,以追求低通胀稳增长的态势步入后危机时代。
就这次经济危机来看,世界经济已趋于好转,有些国家已经实现了经济的正增长,但是经济危机的根源并没有消除,也不可能消除,因此有可能出现再次的经济衰退。
一、后危机时代的特点(一)全球经济衰退股市低迷危机爆发后,各国经济低迷。
大量的企业破产工厂倒闭导致世界各国的失业率居高不下,同时2009年爆发的欧债危机,无疑又加剧了世界经济的衰退步伐。
在整个危机的后遗症下,世界经济也只能呈现缓慢的复苏。
与经济层面相一致,包括中国在内的股票市场都经历了大跌。
中国股市从2007年6000多点的高位瞬间缩水至2000多点,现依旧处于动态盘整状态,世界其他国家的股市虽然整体状况要好于中国股市,但也是依旧低迷。
(二)国际金融市场将陷入长期震荡随着全球经济增速放缓、通胀压力上升,主要经济体通过降息刺激经济与加息反通胀之间权衡难度加大,货币政策存在短期化倾向。
基于ARMA模型的人民币汇率预测研究——以人民币兑美元
汇率为例
刘瑶
【期刊名称】《廊坊师范学院学报(自然科学版)》
【年(卷),期】2016(016)002
【摘要】选取2010年11月-2015年10月的人民币兑美元名义汇率中间价为数据来源,对汇率组成的时间序列进行确定性分析,发现人民币兑美元汇率无明显的季节效应.然后对时间序列建立常规模型,缩小样本,选取2013年11月-2015年10月人民币兑美元名义汇率中间价月度数据,运用Eviews7.2软件对人民币汇率进行一阶差分,建立了ARI MA(1,1,1)模型.最后针对人民币汇率序列出现的一次跳跃点,建立了更为合理的包含趋势项的平稳结构性突变模型,对残差序列进行平稳性检验后,利用残差序列建立了ARMA(1,4)模型,再将残差的估计值代入包含结构性突变的平稳序列模型,最终还原可得到人民币兑美元汇率预测,发现包含一次跳跃的结构性突变的平稳序列模型拟合、预测的结果最优.
【总页数】6页(P53-58)
【作者】刘瑶
【作者单位】首都经济贸易大学,北京100070
【正文语种】中文
【中图分类】F831
【相关文献】
1.811汇改后人民币汇率的ARMA模型预测——以人民币兑美元汇率为例 [J], 高云璐
2.基于美元汇率波动的人民币汇率预测模型研究 [J], 魏巍贤
3.基于ARMA模型的人民币汇率预测研究 [J], 黄艺婵
4.811汇改后人民币汇率的ARMA模型预测——以人民币兑美元汇率为例 [J], 高云璐
5.基于ARMA模型的人民币汇率预测研究——以人民币兑美元汇率为例 [J], 刘瑶
因版权原因,仅展示原文概要,查看原文内容请购买。
基于ARIMA和BP神经网络对人民币汇率预测的比较分析——以美元人民币汇率为例朱家明;胡玲燕【摘要】随着我国汇率制度不断市场化发展,预测汇率的波动趋势具有重要的现实意义.采用ARIMA和BP神经网络方法,利用SPSS、EVIEWS10和MATLAB工具,分别对人民币汇率进行预测分析,并比较两模型对汇率走势的预测效果.结果表明:ARIMA和BP神经网络模型对人民币汇率的预测是有效可行的,预测精度随着预测时间的推移而下降,更适用于短期预测.且ARIMA对人民币汇率的预测效果优于BP神经网络.【期刊名称】《重庆理工大学学报(自然科学版)》【年(卷),期】2019(033)005【总页数】6页(P207-212)【关键词】人民币汇率;ARIMA;BP神经网络;预测【作者】朱家明;胡玲燕【作者单位】安徽财经大学统计与应用数学学院,安徽蚌埠233000;安徽财经大学金融学院,安徽蚌埠233000【正文语种】中文【中图分类】F832.62005年,我国进行了汇率改革,宣布采用浮动汇率制度,参考一篮子货币进行调节,这使我国汇率受到市场供求关系的影响,波动范围进一步扩大,人民币出现较大幅度升值[1]。
2015年,我国又开展了新一轮汇率改革,宣布当日人民币中间价需要参考上个工作日人民币的收盘汇率和一篮子货币汇率的变化[2],这意味着我国汇率制度不断完善,且不断向汇率市场化发展。
而汇率的波动对个人投资、企业进出口、国家国际收支等来说都有密切关系,因此对汇率走势进行预测具有重要意义[3]。
国内外学者对汇率预测也进行了相关研究。
在国外,Refenes等利用神经网络和平滑法进行汇率预测,发现神经网络预测效果更优[4]。
而Svitlana则发现神经网络更适用于对汇率进行短期预测[5]。
国内戴晓枫等发现EGARCH对人民币汇率的预测效果优于ARIMA模型[6]。
刘潭秋利用线性和非线性时间序列研究发现LSTAR-GARCH对人民币汇率的拟合效果更好[7]。
外汇市场波动性的实证研究与预测近年来,外汇市场一直是投资者最关注的焦点之一。
然而,与其他金融市场相比,外汇市场更加波动。
这就使得投资者需要对外汇市场的波动性进行实证研究和预测,以制定更有效的投资策略。
本篇文章将探讨外汇市场波动性的实证研究与预测。
一、外汇市场波动性的实证研究1.1 基础概念波动性是指价格或汇率在一段时间内的波动范围。
波动范围越大,表示市场风险越高。
因此,外汇市场波动性是外汇市场的一种重要指标。
波动性主要受到市场因素、政治因素、经济因素等多种因素的影响。
1.2 外汇市场波动性的特征外汇市场波动性的主要特征是非线性和异方差性。
非线性指的是市场波动性不是一个简单的线性函数,而是一个经常变化的函数。
而异方差性则指的是市场波动性的方差不是恒定的,因此需要引入异方差模型来解释市场波动性。
1.3 波动性测量方法外汇市场波动性的测量方法主要有:移动平均波动率、年化波动率、波幅指标等。
其中,年化波动率是最常用的波动性测量方法,并被广泛应用于外汇市场。
1.4 波动性的影响因素外汇市场波动性的影响因素很多,主要包括政治因素、经济因素、市场因素等。
政治因素的影响范围很广,包括政府政策、国际关系等。
而经济因素则主要包括GDP、CPI、就业率等。
市场因素包括市场需求、供应等。
1.5 波动性所传递的信息外汇市场波动性所传递的信息很重要,可以帮助投资者了解市场的风险情况,有助于制定更有效的投资策略。
市场波动性越大,表示市场风险越高,投资者需要更加谨慎,做好风险控制。
二、外汇市场波动性的预测2.1 基础理论波动性预测主要应用于金融市场,包括外汇市场。
外汇市场波动性的预测需要借助波动性预测模型。
这些模型主要有基于时间序列的预测模型、基于经济因素的预测模型等。
2.2 波动性预测方法2.2.1 时间序列预测法时间序列预测法是预测下一期波动性的一种方法。
通过分析历史波动性的变化趋势,借助时间序列模型进行预测,从而提供重要的参考意见。
超短期汇率的预测研究
集团文件版本号:(M928-T898-M248-WU2669-I2896-DQ586-M1988)
超短期汇率的预测研究
摘要:提出了一种适合超短期汇率预测的模型方法。实验数据通过网络获取,
模型采用的是相空间重构与卡尔曼滤波计算的方法来对超短期汇率数据进行建模
和预测,并与BP神经网络模型进行了比较。实验结果表明,所建立的模型方法能
很好地跟踪即时汇率变化趋势,预测精度比较高,且算法运行速度比BP神经网络
模型快得多。最后,给出了在.NET环境下实现了汇率在线预测的全部过程。
关键词:超短期汇率预测;数据获取;相空间重构与卡尔曼滤波;在线预测
中图分类号:TP39;TP182文献标识码:A
文章编号:1001-9081(2007)04-1009-04
0引言
超短期汇率预测是指预测一天内汇率的变化趋势,它对外汇市场上的日常交
易来说是非常必须的。目前,汇率交易是全球全天24h通过网络进行的,不同时
段的交易获利不同。因此,对企业经营和个人炒汇来说,汇率即时数据的跟踪是
十分有意义的。就目前汇率预测研究方法来看,最热门的工具是神经网络方法,
神经网络具有很强的非线性逼近能力,是非线性系统研究的好方法。但是,神经
网络是在学习输入输出样本的基础上获得的,灵活性高,但缺乏可靠的数学表达
形式,而且现有的学习算法收敛速度比较低,难以满足在线学习的要求[1]。卡尔
曼滤波是一种可用于非线性系统的滤波算法,具有最优估计性能,其递推计算形
式及算法实现主要是矩阵的加减、乘除及求逆等计算量不大的特征,使其适合实
时处理的需要。
根据以上的分析,本文利用卡尔曼滤波方法,提出了一种适合超短期汇率预
测的模型。模型所采用的卡尔曼滤波器的初始状态通过相空间重构成技术得到。
文中实现了银行网站即时汇率的接收及存储,为本文预测模型提供实验数据来源。
1实验数据的获取
1.1数据获取及存储
本文的数据是从某银行网页获取的,如图1所示,中国银行福建分行主页面
的右下角(红圈圈住的地方)是汇率报盘。数据获取的目的就是获取此页面的汇
率报盘数据并存入数据库中。获取的整个过程如图1所示。
1.2数据获取的界面及主要实现代码
2超短期汇率模型的建立
2.1相空间重构技术
在时间序列的分析中,决定序列的可观测因素很多。而且相互作用的动力学
方程往往是非线性的,甚至是混沌的。同时,因测量精度的实际限制、计算的复
杂性,以及可能存在的本质上的非确定性因素等多方面的困难,严重制约着人们
对时间序列内在机制的理解。20世纪80年代以来,由于Takens[2]对Whitney早
期在拓扑学方面工作的发展,使得深入分析时间序列的背景和动力学机制成为可
能。在确定性的基础上,对序列动力学因素的分析,目前广泛采用的是延迟坐标
状态空间重构法。一般来说,非线性系统的相空间可能维数很高,甚至无穷,但
在大多数情况下维数并不知道。在实际问题中,对于给定的时间序列,通常是将
其扩展到三维甚至更高维的空间中去,以便把时间序列中蕴藏的信息充分地显露
出来,这就是延迟坐标状态空间重构法,其具体描述如下:
相空间重构的关键在于嵌入维数m和时滞τ的确定,目前,确定嵌入维数m
的常用方法有伪最近邻法、奇异值分解法;确定时滞τ的方法主要有自相关函数
法及互信息量法。但这些方法存在一定的缺陷。伪最近邻点法的结果会受到阈值
的影响;奇异值分解的结果依赖于超空间维数的选择,利用奇异值分解法确定的m
不仅可能会随着超空间维数的不同而不同,而且可能会随着数据长度N的不同而
不同;在相关维计算法中,取数据矢量间的欧氏距离值的第一个到达平稳时的m
估计嵌入维数。但矢量间的欧氏距离值可能达不到平稳,这时就无法求得m;另一
方面,确定时滞的典型方法自相关和互信息法虽然具有计算量小等优点,但计算
结果具有不一致性[3]。
2.2基于单步预测的卡尔曼滤波计算过程
卡尔曼滤波是一种统计估算方法,主要思路是:预测方程中的回归系数是随时
间变化的。预测每向前延伸一步,都将预测结果与观测结果进行比较,其差别(预
测误差)将以适当的方式反馈到回归系数的变化方程中去。通过利用前一时刻预测
误差的反馈信息来及时修正预测方程,以提高下一时刻的预测精度。卡尔曼滤波
方法不论预测次数(或量测次数)如何增加,不需要存储大量历史的量测数据,减
少了计算机的存贮,而且只进行矩阵的加、减、乘、除和求逆运算,通常计算量
不大,从而满足了应用滤波的实时性要求。
2.3预测模型的建立
在卡尔曼的应用中,输入向量过程:观测值={y(1),y(2),…,y(n)}。
状态向量为x(n),滤波器是通过对状态向量的递推计算得到未来状态的估计值。
因此,滤波器初始状态向量的选取对预测结果的影响具有关键的意义。大量的研
究表明,经济时间序列是混沌的。可以用混沌时间序列的知识来确定滤波器初始
状态向量的维数及向量分量的构成。对给定的汇率时间序列,求得序列的最优嵌
入维数和最佳时滞,把最优嵌入维数作为滤波器初始状态向量的维数,把求得的
最佳时滞作为初始状态向量分量的时间间隔。
3模型预测结果分析
以下为基于相空间重构与卡尔曼滤波对2006年5月26日13:55至23:58的
1066条美元港币即时汇率的跟踪预测结果。为了对比研究,本文实现了BP神经网
络模型,并把本文算法的预测结果与BP神经网络的预测结果进行了比较。图5为
汇率真实值、本文算法预测值及BP神经网络预测值的对比图;图6为本文算法预
测残差;图7为BP神经网络预测残差。为了更好地反映预测模型的效果,本文采
用以下几个性能评价,其中ei为汇率实际值与预测值的绝对误差,si为汇率实际
值。i=1∶1006,N=1066。
根据以上的实验结果可知,本文算法的预测效果良好,能很好地跟踪即时汇
率的变化趋势。且算法运行速度快,能满足在线预测的实时性要求。卡尔曼滤波
递推估计的方式使其在跟踪上具有很好的性能。而神经网络全局逼近的方式使其
在超短期汇率预测中,实验精度比较低,收敛速度慢的缺陷也使神经网络预测模
型不能实现即时汇率的在线预测。
4在线预测的实现过程
汇率在线预测的思想是:用户在页面上输入预测的汇率种类如美元欧元,请
求预测某个数据的未来值,如明日开盘价、今日最高价、下个时刻的即时汇率值
等。系统根据用户的选择,查询数据库,并把查询结果传送给预测模块,由预测
模块完成预测后,把预测结果返回给用户。
图片图8汇率在线预测过程
实现上述在线预测的关键是解决Matlab与.NET的动态数据交换过程,本文采
用MatlabWebServer接口程序matweb.exe来实现Matlab与.NET的动态数据交
换。它是目前较新且简单可行的方法。MatlabWebServer的核心是作为CGI程序的
可执行程序matweb.exe。动态数据的交换过程就是由网关接口程序matweb和用户
编制的Matlab应用程序协作完成的[6]。
在进行动态数据的交换时,输入数据通过网页以表单的形式发送到通用网关
接口程序。通用网关接口程序收到输入数据后,分析输入数据,调用与之对应的
Matlab的M文件。这时,通用网关接口程序将利用系统的Matlab服务,进行
Matlab运算,得到输出或绘制输出图形,并将结果返回。从而完成动态数据的交
换过程。图8是基于.NET和Matlab动态数据交换的汇率在线预测过程。
5结语
汇率对国家经济、企业经营和个人投资来说都十分重要,汇率预测的研究一
直是国内外学者研究的热点。随着越来越多人把汇率买卖当作一种投资,个人对
汇率知识的获取及对其行为规律的把握越来越强烈。因此,超短期汇率预测的研
究对汇率日常交易具有十分重要的意义。针对目前流行的神经网络预测模型不能
适应超短期预测的要求,本文提出的基于相空间重构与卡尔曼滤波计算的方法能
很好地跟踪即时汇率的变化趋势,且运行时间上满足在线预测的实时性要求。
本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。