基于RBF网络的汇率短期预测.pdf

基于RBF 网络的汇率短期预测1 1 2 2 朱家荣 ，梅索 ，赵东方 1 南宁师范高等专科学校数计系，广西崇左（532200 ） 2 华中师范大学数统学院信息与计算科学系，湖北武汉（430000 ） E-mail: zhujiarong2006@126.com 摘 要：现阶段人民币汇率机制比较富有弹性，以至于人民币汇率一直处于直线上升趋势。 为了研究人民币汇率的发展趋势，本文以研究美元对人民币汇率作为媒介，利用Matlab 为 工具平台，首先验证了RBF 神经网络对人民币汇率进行短期预测的可能性，并利用其对人 民币汇率趋势进行分析，并得出了政府必须加强对汇率控制力度，以稳定住人民币对美元的 汇率。 关键词：Matlab；RBF 神经网络；汇率趋势 中图分类号：F201 1. 引言 汇率对资源在全世界的配置起着很重要的作用，而中国经济作为世界经济舞台的重要一 员，人民币汇率的变动将牵动着全世界的神经。我国目前的经济高速增长、国际收支持续双 顺差、出口不断增加、外汇储备稳步增加，种种迹象表明人民币升值存在很大空间。 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。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。 但此改革后人民币汇率一直处于直线上升趋势，很多业内人士担心人民币的进一步升值会造 成我国外汇储备规模的进一步增大。因此，面对当前复杂的经济形势下，如能对人民币汇率 的走势较准确地预测的基础上完善汇率形成机制，使人民币汇率在合理均衡的水平上保持基 本稳定，则对促进我国经济又好又快发展具有十分积极的作用。 本文利用 1999 年 12 月到2007 年 12 月的汇率数据，以Matlab 为工具平台，利用RBF 神经网络对美元对人民币汇率进行短期预测。 2. RBF 网络预测方法 2.1 RBF 网络简介 径向基函数RBF 神经网络是一种新颖有效的前向型神经网络，由于该网络输出层是对 中间层的线性加权，使得该网络避免了像BP 网络那样烦琐冗长的计算，具有较高的运算速 度和外推能力，同时使得网络有较强的非线性映射功能。RBF 网络是通过非线性基函数的 线性组合实现从输入空间R N 到输出空间RM 的非线性转换。而我们知道汇率数据是一类非 线性的时间序列，对它们进行预测，即从前Ｎ个数据中预测将来的Ｍ个数据，实际上就是找 出从R N 到RM 的非线性映射关系。因此，可以说径向基网络（即ＲＢＦ网络）适合于非线 性时间序列如汇率等系统的预测。 2.2 汇率概述 由于我们选取的汇率数据可以看做一个时间序列进行处理，因此这里假定有时间序列 x {x |x =∈R ,i 1, 2,,L }，现在希望通过序列的前N 个时刻的值，预测出后M 个时刻 i i 1 本课题得到广西教育厅专项科研资金（项目编号：200707LX037 ）的资助。 - 1 - 的值。这里可以采用前N 个时刻的数据为滑动窗，并将其映射为M 个值。这M 个值代表在 该窗之后的M 个时刻的预测值。如表 1 所示，列出了数据的一种划分方法。该表把数据分 为K 个长度为N+M 的、有一定重叠的数据段，每一个数据段可以看做一个样本，这样就可 得到K L =−(N +M ) +1 个样本。这样一来，就可以将每个样本的前N 个值作为RBF 神经 网络的输入，后M 个值作为目标输出。实现从R N 到输出空间RM 的映射，从而达到时间序 [1] 列预