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。     

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.     

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...     

小波与混理论相结合的汇率预测

应用小波变换和混沌理论提出了一种汇率建模及预测的方法。首先应用小波分解理论对汇率序列进行分解,得到低频部分和高频部分;然后在此基础上作进一步分析,以确认高、低频部分都存在混沌特性;再应用混沌理论分别建立高、低频部分的预测模型,进行预测;最后对混沌模型预测的结果予以小波重构,实现对原始汇率序列的预测。对两种主要货币兑美元的日汇率序列进行了实证。研究表明,该方法具有较高的精度,并具有极大的应用前景。     

基于TAR模型的人民币汇率预测研究

人民币汇率在短期内,浮动较大。并且人民币汇率的波动受很多因素影响,其走势呈现非线性,所以本文采用能对人民币汇率异常波动进行精确分析的门限自回归模型(TAR模型)。本文首先介绍人民币汇率的基本情况,然后引入影响汇率变动的要素,并结合ARIMA模型、TAR模型进行人民币汇率的预测,结果表明TAR模型对人民币汇率波动的拟合度较高,是一种比较理想的模型。     

基于混沌理论和神经网络的销售量预测

针对目前销售量预测不能很好地满足商场管理需求的现状,分析销售量数据内在混沌特性,主要包括时间延迟、嵌入维数、关联维数及Lyapunov指数的计算,并将此分析耦合人工神经网络模型进行预测,最后给出某商场销售量预测的实例,结果显示基于混沌时间序列分析的神经网络销售量预测在数据动力特征刻画及误差控制上有显著优势。     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

时间序列分析与汇率预测

在简要介绍汇率预测和时间序列模型的基础上,使用人民币/欧元的日汇率值进行实证研究,建立相应的ARIMA模型并进行预测和评价,进而描述人民币/欧元汇率的变动趋势。     

基于GARCH模型的人民币汇率收益率预测研究

对美元/人民币汇率的日收益率进行分析,其具有金融时间序列尖峰厚尾的统计特征,名义汇率存在波动聚集效应。本文基于调整经验似然方法估计GARCH模型中的参数并建模,发现GARCH-M模型相对于GARCH模型来说拟合效果更好。     

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。     

基于神经网络的人民币实际有效汇率分析与预测

通过计算人民币实际有效汇率指数,并利用自适应神经网络技术对其未来走势进行预测,结果表明:1994年以来,人民币实际有效汇率指数一直呈稳步上升状态,在近期内仍将维持小幅上升的态势。因此,国际社会要求人民币大幅升值的实际基础是不存在的,“人民币升值论”实质是国际经济持续低迷引起的国外政府与媒体的升值预期。因此,政府应当积极采取有效措施,缓解人民币升值压力,将其对国民经济的危害降低到最小程度。     

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。     

基于混沌神经网络的区域物流量预测

本文根据区域物流量的特性,建立了基于混沌神经网络的区域物流量预测模型.首先利用相空间重构技术对物流量进行混沌特性的判断,得出正的李雅普洛夫指数和关联维数,证明区域物流量具有混沌特性,然后在混沌判别的基础上建立神经网络预测模型.     

企业库存量的混沌预测

本文根据混沌的定义和基本特征,结合企业库存管理系统的特点,从系统非线性、初值敏感性方面探讨了库存管理系统的混沌特性,实证分析效果较好。     

基于马尔科夫链的人民币汇率分析与预测

人民币对美元的汇率一直是社会各界关注的对象,尤其是2005牟7月21日人民币汇率形成机制改革以来,人民币对美元的汇率是引起各方极大的关注.本文根据2008年12月12日到2009年12月12日人民币兑美元的51周汇率数据,运用马尔可夫链预测方法,对人民币的汇率波动特征及其走势进行分析和预测,并给出了相关结论.     

今年外汇供求状况和人民币汇率走势预测

1995年我国的外汇供求状况如何?人民币汇率往何处去?这是人们比较关心的两个问题。国家外汇管理局的专家们认为,1995年: 1.继续实行稳健的货币政策。1994年初,国家曾提出将GNP增长和通货膨胀率分别控制在9％和10％以内的经济“软着陆”目标。但GNP增长仍在双数的水平,而国内物价水平则一直居高不下,高通胀已成为困扰我国经济发展的一个主要问题。同时,我们也看到金融宏观调控并没有阻碍经济发展,二者是并行不悖的。故1995年将会进一步巩固上一年金融宏观调控的成果,继续执行“软着陆”目标,反通货膨胀将成为当年经济金融工作的首要任务。因此,1995年我国货币政策当不会有大的改变,人民币信贷规模     

基于模糊处理和遗传优化的小波神经网络股指区间预测

文章基于模糊粒化和遗传算法优化的小波神经网络,建立了一种新型股指区间预测模型。并对上证指数开盘数据进行实证检验,预测结果表明模型预测结果比较准确,模型具有较高的预测精度,误差率较小。文章建立的股指预测模型对探究中国股票市场波动趋势有一定意义,同时也为投资者进行股市投资提供一种投资参考。     

基于时间序列ARIMA模型的人民币汇率的波动规律研究

本文依据我国汇率变动的现实情况,选取了2006年1月4日至2014年5月7日之间的美元兑人民币汇率数据进行汇率的波动规律研究。研究中采用了时间序列的分析方法并结合ARIMA模型进行实证研究,结果表明ARIMA（1,1,1）模型对美元兑人民币汇率的拟合程度最好,并以此模型对我国未来汇率的走势进行了预测。