小波包与神经网络相结合的人民币汇率预测

文章提出一种基于小波包与神经网络相结合的人民币汇率建模及其预测的新方法。首先,将人民币汇率序列进行小波包分解;然后,对分解得到的各子时序分别建立神经网络模型进行预测;最后,基于小波包理论对神经网络模型预测的结果予以重构,实现对人民币汇率的预测。以人民币日汇率和人民币每日分时汇率为例进行了实证研究。研究结果表明,利用基于小波包与神经网络相结合的方法进行人民币汇率预测能取得更好的效果。     

BP神经网络下研究汇率预测的遗传算法

BP神经网络作为现阶段应用最为广泛的神经网络模型之一长期以来通过和遗传算法的结合在诸多领域都有着良好的应用.本文从阐述BP神经网络下汇率预测遗传算法的构建入手,对于BP神经网络下遗传算法在汇率预测中的应用进行了分析.     

组合优化理论在中国经济增长预测中的应用

文章采用灰色预测的GM(1,1)、变参数BGM(1,1)两种模型与BP神经网络进行组合优化,对中国GDP的增长做出预测分析,建立了灰色神经网络的GDP预测模型。组合优化模型提高了拟合和预测精度,是经济发展趋势进行预测分析的有效方法,有利于决策者制定相关的经济政策,进行宏观管理和控制。     

人民币汇率预测——基于GARCH模型的实证研究

自汇率制度改革以来,人民币汇率的走势一直受世人关注.运用合适的方法对汇率进行预测研究,具有重要意义.本文首先介绍了广义条件异方差自回归(GARCH)模型,随后对人民币/美元的高频数据进行预检验,发现其存在自相关性和异方差性,之后建立汇率GARCH模型,并进行汇率预测.     

基于自组织方法的税收收入组合预测模型

自组织理论是基于神经网络和计算机科学的迅速发展而产生和发展起来的。它将黑箱思想、生物神经元方法、归纳法、概率论、数理逻辑等方法有机地组合起来。其主要思想是通过简单的初始输入（局部变量）的交叉组合产生第一代中间候选模型,再从第一代中间候选模型中选出最优的若干项组合而产生第二代中间候选模型,重复这样一个产生、选择和遗传进化过程,使模型复杂度不断增加,直到选出最优复杂度模型为止。本文利用自组织方法进行数据筛选和建立税收预测模型,并在数据筛选基础上建立线性回归预测模型和BP神经网络预测模型,然后结合时间序列的预测模型,利用自组织方法建立组合预测模型。通过预测结果比较得出了组合预测模型比其它单个模型具有更高的预测精度。     

汇率波动与国际贸易量的不确定性关系-基于中国的经验证据

对于汇率波动与国际贸易量的关系,学界一直存有很大争议,但经验检验尚不足以为理论分析提供有说服力的证据.本文着重在如下三个细节方面做深做细:第一,更精确地测算汇率波动,发现并注重汇率波动对冲击可能存在的非对称特征;第二,以严格的内生性检验指导工具变量的应用;第三,模型设定采用联立方程同时考察出口需求和供给.文章发现,无论是贸易方向上还是贸易方式上,均没有理由认为汇率波动显著影响了出口需求,但汇率波动却显著抑制了中国的出口供给.     

采油厂油气产量预测模型研究

油气产量的有效预测有利于采油厂的科学决策。分别构建了采油厂油气产量预测的线性回归模型、灰色预测模型和ARIMA模型,基于三种单一模型,构建了最优加权组合预测模型。DX采油厂油气产量预测实例表明,该模型能够显著提高预测精度,为采油厂产量预测提供了新的方法。     

不同期NDF数据与人民币汇率波动相关性研究

汇率预测是一个非线性问题,本文使用非线性自回归神经网络对人民币汇率进行预测,由于外部输入X(t)的选择与预测精度关系密切,本文使用NDF作为X(t),取得了良好的效果.市场中存在多种时间跨度的NDF,笔者对比了不同时间周期的NDF作为X(t)时的网络性能,得出了NDF时间跨度与预测精度相关性不大,在预测中都能达到很好的效果,并且NDF参与汇率预测是有效的结论.     

基于三种神经网络的股价指数组合预测方法初探

本文以三种在股市预测中经常单独使用的神经网络方法为基础,运用组合的思想,将三种方法组合应用于股市,尝试建立一种更加客观、全面、有效的预测方法.以我国自2010年1月4日至2011年12月23日两年来的上证指数为数据基础,首先运用BP、RBF、Elman三种神经网络进行了拟合与预测,然后利用组合预测法,参照三种预测的拟合程度对每一种神经网络赋以相应的权重,得出最终预测结果.     

人民币汇率预测——基于GARCH模型的实证研究

自汇率制度改革以来,人民币汇率的走势一直受世人关注。运用合适的方法对汇率进行预测研究,具有重要意义。本文首先介绍了广义条件异方差自回归(GARCH)模型,随后对人民币/美元的高频数据进行预检验,发现其存在自相关性和异方差性,之后建立汇率GARCH模型,并进行汇率预测。