人民币汇率预测的小波方法研究

应用小波变换提出一种人民币汇率预测的方法。首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后。对低、高频部分作进一步分析,以确认它们都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测。以人民币兑美元日汇率序列为...     

人民币汇率预测研究——小波与混沌理论相结合视角

本文首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后,对低、高频部分作进一步分析,以确认其都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测.文章以人民币兑美元日汇率收益序列为例进行实证研究,结果表明,本文7的预测方法具有较高的精度和较大的应用前景.     

小波包与混沌理论相结合的人民币汇率预测方法研究

基于小波包变换和混沌理论提出了一种人民币汇率建模及其预测的方法。首先,应用小波包变换对人民币兑美元日汇率收益序列进行三层分解,得到从低频到高频八个频率成分的时序,并在此基础上作进一步分析,以确认它们都存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对人民币兑美元日汇率收益序列的预测。与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围。     

小波包与混沌和神经网络相结合的人民币汇率预测研究

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。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

隐含波动率、GARCH模型对汇率的预测效果比较

一、引言 目前预测汇率的方法很多,本文主要对两种方法的预测效果进行实证比较：一种是通过外汇期权的隐含波动率挖掘出汇率的价格信息从而对汇率做出预测;一种是运用时间序列的GARCH模型做出汇率预测,最后比较这两种方法的实际预测效果。文章以下部分的结构如下：第二部分用隐含波动率挖掘的信息预测汇率;第三部分用时间序列GARCH模型预测汇率;第四部分为两种预测方法的比较及结论。     

人民币兑美元汇率混沌动力学预测模型

应用混沌理论对人民币兑美元汇率系统进行建模及预测。建立了两个混沌动力学模型,即人民币兑美元汇率的日收益序列预测模型和人民币兑美元的日汇率序列预测模型。实证结果表明,两个模型的预测结果都好于均值模型的预测。其中,前者的预测均方根误差比较大,而后者的预测均方根误差非常小,表明两个模型中,后者更适合于人民币兑美元汇率的预测。     

小波分析在经济金融领域的应用

小波分析能够处理低频和高频数据,聚焦信号的任意细节,依据时间和频率分解变量或序列,在金融经济领域逐渐得到了广泛应用。本文从小波分解和小波去噪出发,介绍了小波分析的基本方法,并探讨了小波变换在经济金融领域的具体应用,包括：宏观变量间的关系、小波变换与格兰杰因果检验结合测试变量间的因果关系、测试多个变量间的频率依赖性和超前-滞后关系、与传统计量模型和机器学习算法结合预测金融变量方面的应用。     

小波分析理论下高炉炉温预测模型探析

在对高炉冶炼全程控制过程中,其中炉温的控制显得格外重要,炉温控制是高炉控制的核心技术。小波分析理论是近些年兴起的一个应用数学分支,是一个新兴学科,小波分析可以将原始时间序列通过不同尺度进行分解而形成不同的层次,并且在每个层次中的信号比分解前的信号要稳定得多,从而促使分析和预测变得更加便利。通过对小波分析理论进行介绍,分析了小波神经网络高炉炉温预测模型,最后进行了仿真研究而探讨小波分析理论下高炉炉温预测模型的实用性。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

基于混沌理论的房地产价格短期预测

本文应用混沌理论对房地产价格进行分析预测,在重构相空间的基础上,计算关联维和最大Lyapunov指数,实证房地产价格时间序列的混沌性。运用RBF神经网络对重构时间序列进行混沌预测,并得出相关结论。     

基于压缩感知观测序列的语音信号基音周期提取

语音信号的清浊音辨别及基音周期的提取是语音信号处理的重要组成部分。提出了一种基于压缩感知（CS）观测序列的语音基音周期提取方法,大大减少了基音周期提取的计算量。首先分析不同观测矩阵下观测序列的特征,选择了行阶梯矩阵作为所提方法的观测矩阵;然后对此观测矩阵下的观测序列做小波分解,对小波分解的低频系数采用自相关方法提取基音周期。仿真与分析表明,和传统方法比较,所提方法与传统方法基音检测准确度相当,且在语音含有高斯白噪声的条件下运行良好,但计算量仅约为传统方法的1/16。     

小波ARMA模型和ARIMA模型对上证指数的预测效果探究

利用小波分析的局部化性质,以非平稳的时间序列上证指数收盘价为实验目标,首先建立传统的时间序列模型ARIMA模型,并做出预测;然后用小波分析与自回归移动平均模型相结合的方法建立小波ARMA模型,做出预测;最后,通过相对误差和平均绝对误差和对二者的预测效果做比较,结果表明:在上证综指序列预测分析中,小波ARMA模型相比单纯的ARIMA模型,其拟合和预测精度都比较高。     

GARCH模型在我国外汇风险度量中的应用

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.本文运用时间序列的GARCH模型,对汇率体制改革后的人民币美元汇率建模进行预测.     

我国居民消费价格指数的混沌特性分析及预测研究

根据我国居民消费价格指数的非线性特征,建立了基于混沌理论的消费者价格指数神经网络模型,同时运用所建模型对我国居民消费价格指数进行估计和预测。计算结果表明,该模型能够很好地解决居民消费价格指数估计和预测这一问题,预测精度较传统的方法要高,具有一定的应用价值。     

混沌时间序列预测的改进型加权一阶局域法

提出了一种用于混沌时间序列预测的改进型加权一阶局域法。用衰减系数对分维 指数加权一阶局域法的向量距离公式进行修正,调节邻近点与中心点的相关性,也调节了同 一邻近点的各个分量和中心点的最后一个分量的关联程度。利用该方法对Logistic混沌时间 序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地 预测混沌时间序列。     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。     

基于小波分析的股指波动性预测模型研究

本文通过小波理论将股指进行降噪处理,并用最大熵谱估计(burg)法构建AR模型对股指进行了实证研究,并对预测结果进行了评估,说明了经过降噪处理后的序列信号在波动性预测方面具有一定的有效性和可行性。     

满映射Logistic数字混沌序列的产生及性能分析

Logistic映射形式简单,但表现出了复杂的动态性能。以满映射Logistic混沌序列为 对象,讨论了混沌序列数字化的两种方法,推导了数字混沌序列比特位分布概率,计算了截 短数字混沌序列的相关性能。结果表明,在不变分布偶对称的情况下,两种方法得到的数字 化混沌序列都是“0”“1”等概率的,截短序列的自相关函数旁瓣方差和互相关方差均等于 序列长度N的倒数。对数字化Logistic混沌序列进行了数值仿真,所得结果与结论相吻 合;仿真结果还显示,自相关旁瓣和互相关均服从高斯分布。研究结果使得能够从理论上对 一类数字混沌序列的特性进行整体把握,超越了经验性的结论,便于在有关系统中进行应用 分析。     

基于VAR模型的人民币汇率的超调分析

通过建立VAR模型,运用脉冲响应函数和预测方差分解的方法对人民币汇率的超调效应进行实证分析。结果表明,1990年以来,我国实际汇率与经济增长GDP之间存在一种单向的因果关系,并且方差分解结果表明来自上期价格的冲击对实际汇率的变化贡献率较大。最后,对汇率超调模型在我国的适用性进行了分析。