基于人工神经网络和随机游走模型的汇率预测.docVIP

基于人工神经网络和随机游走模型的汇率预测 　　摘 要 由于金融数据具有随机性特征，使得建模和预测变得极其困难.提出一种组合预测方法，即假定任何金融时序数据由线性和非线性两部分组成，将其中线性部分的数据通过随机游走（RW）模型进行模拟，剩余的非线性残差部分由前馈神经网络（FANN）和诶尔曼神经网络（EANN）协同处理.从实证结果可知，该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度. 　　关键词 诶尔曼神经网络；人工神经网络；随机游走模型；组合预测；金融时间序列 　　中图分类号 F224 文献标识码 A 　　1 引 言 　　金融时间序列与经济环境及商业环境有关，如股市，汇率，物价指数，国民收入和净出口等.选择一个合适的金融数据模型，需要正确地识别金融市场与整体经济之间的内在关系[1].在实践中非常困难.因为一个金融时序数据的动态变化受到多个经济变量的影响，包括经济增长，利率，通货膨胀，通货紧缩，政治决策和心理因素等多个复杂的经济变量[1]. 　　这些年来，关于金融时间序列的分布特征、模型模拟及预测等已经有了大量的研究工作[2，3].线性统计模型，如指数平滑法[4]和ARIMA[5]模型等，已经大量应用于金融数据的预测.ARIMA模型的一个分支，即随机游走模型（Random Walk model）[1，6]，已经成为这个领域的主流统计技术.在一个简