小波包与混沌和神经网络相结合人民币汇率预测研究.docVIP

小波包与混沌和神经网络相结合人民币汇率预测研究 　　摘 要：为了更精确地预测人民币汇率，基于小波包与混沌和神经网络相结合提出一个三阶段时间序列预测方法。首先对汇率序列进行小波包分解，并对分解后所得到的各子序列作混沌分析与判定；然后，基于混沌理论与神经网络相结合分别构建各子序列的混沌-神经网络预测模型；最后，将各个序列的预测结果进行重构，得到最终预测结果。实证结果表明，该方法具有较高的预测精度，可以为人民币汇率提供更加准确的预测。 　　关键词：时间序列 汇率预测 小波包 混沌 神经网络 　　自2005年7月21日起，我国开始实行了以市场供求为基础、参考一篮子货币来进行调节、有管理的浮动汇率制度。至此，人民币汇率不再盯住单一美元，人民币汇率的变动趋势变得更加复杂化，对人民币汇率的准确预测也变得更加困难。 　　人工神经网络是一种非参数的数据驱动型的方法，由于其具有能够逼近非线性的能力，在预测领域中得到了比较广泛的应用；但是，当将人工神经网络用于人民币汇率预测时，并不能得到理想的效果。汇率系统具有混沌特性，由于混沌具有一定的确定性，使得它具有有限预测能力，因此，对汇率系统长期演化行为进行预测是不可行的，而对其短期行为进行预测是可行的。然而，当采用混沌模型对汇率系统进行短期预测时，效果也不能令人满意。究其原因还是汇率时序太复杂。由于汇率时序太复杂，因此很难对其准确预测。 　　为了更好地对人民币汇率进行预测，本文提出一种组合预测方法，将小波包变换引入到人民币汇率预测中，并将其与混沌和神经网络相结合进行预测，以期提高人民币汇率预报的精度。 　　一、相关理论 　　2.混沌理论简介。混沌理论主要是研究自然界非线性过程内在随机性所具有的特殊规律性，揭示非线性系统中有序和无序、确定性与随机性的统一。 　　重构相空间是混沌理论的一个重要内容之一，其目的是在高维相空间中恢复决定时序动力系统的混沌吸引子。 　　在重构相空间中，嵌入维数m的选取非常关键。通常有两种方法可用来计算嵌入维数，即关联维数法和虚假邻域法，但它们有共同的缺陷，就是在选择嵌入维时都包含主观参数或主观判断。而学者Cao L.提出一种基于零阶近似的方法来计算嵌入维数，也称为零阶近似法，这种方法在选择嵌入维数时不依赖主观参数，故文中采用此方法来计算嵌入维数。 　　3.人工神经网络简介。人工神经网络，简称神经网络，是模拟生物神经网络进行信息处理的一种数学模型。神经网络由大量的人工神经元相互连接来进行计算，并能够根据外界的信息来改变自身的结构；它主要是通过调整神经元之间的权值对数据进行建模，并最终达到具备解决实际问题的能力。 　　神经网络结构一般有三个层次，即输入层、隐含层和输出层，各层次顺次连接。其中，输入层连接外部输入模式，并由各输入单元传送给相连的隐含层各单元；隐含层是神经网络的内部处理单元，神经网络所具有的模式变换的能力主要体现在隐含层单元的处理功能上；输出层则产生神经网络的输出模式。 　　神经网包括很多种，其中最常用的一种是BP神经网络。BP神经网络是一种以误差反向传播为基础的前向网络，具有非常强的非线性映射能力。在实际应用中，大约80%神经网络模型采用了BP神经网络或BP神经网络的变化形式。本文采用的神经网络也是BP神经网络。 　　二、实证分析 　　1.实证研究设计。人民币兑美元汇率数据具有多尺度特性，针对这一多尺度特性，本研究提出一种小波包变换与混沌和神经网络结合的汇率时间序列预测模型。实证步骤如下： 　　（1）通过小波包变换，将原始时间序列分解成不同尺度水平的子序列；（2）利用混沌理论对变换后所得到的从低频到高频的不同频率的子序列分别进行分析，以确定各子序列都具有混沌特性；（3）基于混沌信息和神经网络对各子时间序列构建模型，简称为混沌-神经网络模型，并对所构建模型进行训练和预测；（4）最后将由基于混沌信息和神经网络构建模型进行预测所得到的子时间序列预测结果进行小波包重构，得到汇率时间序列的预测结果。 　　2.实证过程与结果分析。本文选取2010年12月1日至2010年12月30日共22个交易日的每100美元/人民币每日分时汇率数据为实证研究的原始数据。数据来源于http：//fx. Sauder. Ubc. ca/data.html。每个交易日的汇率数据是取自从8：00到17：00的10个整点的汇率卖出价。 　　（1）小波包分解与特性分析。按照实证步骤，首先要对人民币汇率序列进行小波包分解，根据预测误差最小的原则，确定分解的层数为三层，这样就将原始时间序列分解成从低频到高频八个频率成分的子序列。 　　对汇率进行小波包分解之后，还需要对分解所得的各子序列进行混沌特征分析与判别，以确定它们是否具有混沌特征。进行混沌分析与判别的标准，是要看各子序列