基于VLRBP神经网络的汇率预测.pdfVIP

计算机工程与设计 ComputerEngineeringandDesign 2010，31(1) 167 ·人 工 智 能 · 基于VLRBP神经网络的汇率预测 王向宇， 须文波， 孙 俊， 赵 琪 (江南大学 信息工程 学院，江苏 无锡 214122) 摘 要 ：为 了提 高汇率预测的准确性，分别使用VLRBP神经网络模型和GRNN模型及ARIMA模型对欧元汇率时间序列进行 建模和预测，通过实证分析发现基于VLRBP的神经网络对于含有大量非线性成分的欧元汇率时间序列的预测比较准确。在 分析了最速下降BP学习算法的缺点后，提 出利用VLRBP学习算法来解决神经网络振荡和收敛速度过慢的缺陷，并取得较好 的效果。同时，为了提高VLRBP网络的泛化性能，提出在训练VLRBP神经网络时应用浴盆 曲线方法选取隐层神经元个数和 滑动窗口尺寸，试验结果表明该方法适合神经网络模型。 关键词 ：时间序列；VLRBP神经网络；GRNN神经网络；ARIMA模型；浴盆 曲线 ；泛化 中圈法分类号：TPI83 文献标识码：A 文章编号：1000．7024(2010)01—0167—05 ForeignexchangeratesforecastingbasedonVLRBPartificialneuralnetworks WANGXiang—yu，XUWeln-bo， SUNJun，ZHAOQi (SchoolofInformationTechnology，SouthernYangtzeUniversity,、Ⅳuxi214122，China) Abstract：Toimprovetheperformanceoftheforeignexchangeratesforecasting，aneuralnetworksmodelandanARIMA modelare built，andthentheeuroforeing exchnagerateisstudiedbyusingthewt omodels．TheresultshownthattheBPneuralnewt orksproduced betterperfomr nacethantheohtermethodsinforecastingtheeuroforeing exchnageratewhichhadagreatamountnonlinearcomponents． BasedontheanalysisofthedeficiencyoftheSDBPalgorithm，theVLRBPalgoritmh ispresentedtOsolvetheoscillationandslow con— vergenceoftheneuralnewt orks．Th eresultindicatedthattheVLRBPalgoritmh isbetterthantheSDBPalgorithm．Toimprovethegene— ralizationperformanceoftheBPneuralnewt orks，abathutbcurvemethodisproposedwhenserachingthesizeofthehiddenneuronand theslidingwindow oftheVLRBPneuralnewt orks．Experimentsshownthatthemethodisfitforneuralnewt orksmode1． Keywords：timeseries；VLRBPneuralnetworks；GRNN neuralnewt orks；ARIMAmodel；bathtubcurve；generalization 常有两种思路：一种是同质神经网络 ，即只考虑时间序列历史 0 引 言 数据：另一种是异质神经网络，该方法除了考虑时间序列本身 汇率预测是当代时间序列预测 中最具挑战性的课题…，它 还考虑影响时间序列的其它因素…。为 了便于 比较各种方法 不仅存在着极其诱人 的应用价值，也具有重大的理论意义 。 的优劣，采用 同质神经网络对欧元