共查询到20条相似文献,搜索用时 531 毫秒
1.
本文采用美元对日元汇率自1973年起的日数据进行研究。首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统。在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果。经过检验,该预测系统达到了较高精度。最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考。 相似文献
2.
本文采用美元对日元汇率白1973年起的日数据进行研究.首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统.在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果.经过检验,该预测系统达到了较高精度.最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考. 相似文献
3.
4.
5.
基于BP神经网络的股价趋势分析 总被引:1,自引:0,他引:1
对BP神经网络的算法和结构进行了介绍,并基于MATLAB的BP网络的工具箱.对浦发银行近一年交易日的数据进行了训练和测试,获得了一定的预测精度.最后还对波动期股价预测的难易.股价涨幅预测的难度以及输入变量对BP网络预测股价能力的影响等进行了讨论.基于实验结果,得出了基于BP神经网络的数学模型能一定程度上实现对股价趋势判断的结论. 相似文献
6.
文章基于切比雪夫正交基神经网络模型,结合数据驱动方法,对中国十年期国债收益率进行预测分析。在模型构建中,选取2018年6月28日到2019年6月28日的十年期国债收益率作为总体数据集,进一步选取总体数据集的前60%数据作为训练样本,生成模型后,预测剩余的40%数据,取得了较优的拟合效果,拟合度达0.9910,为国债收益率预测开拓了新的视野和方向。 相似文献
7.
在本文中,我的研究目的是以2010年01月04日至2012年10月25日这段时期中国人民银行公布的每日人民币兑美元汇率中间价(共680个数据样本)为例,建立BP神经网络,在MATLAB软件中实现汇率的预测,并以图、表、文结合的形式将预测过程及结果展示出来,其中最为关键的就是构造训练样本,输入层、输出层节点数的确定,隐藏层节点数训练参数的设定以及对10种训练结果的最优选择。 相似文献
8.
基于遗传算法的BP神经网络在权证定价中的应用 总被引:1,自引:0,他引:1
对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一.传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势.本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络.研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测. 相似文献
9.
10.
11.
采用R/S重标极差法对基础数据进行Hurst指数检验是判断是否可以利用基础数据进行趋势外推的有效方法。当基础数据符合Hurst指数检验标准时,利用分形理论对基础数据进行趋势外推,就成为一种可行的较为理想的方法。众所周知,原油价格预测一直以来都是一个世界难题,基于分形理论来预测油价是一种比较新的方法,具有先天的优势。本文从分形的基本理论出发,提出原油价格预测的基本思路。以2009年8月7日至2010年3月26日西德克萨斯轻质原油(WTI)周油价为例进行统计分析,采用R/S重标极差法对基础数据进行Hurst检验,以判别这些历史数据是否具有趋势外推特征。并以此为基础对2010年4月的周原油价格进行预测,并与实际发生的原油价格进行了对比分析,取得了较为理想的预测结果,证明了该方法的可行性和有效性。 相似文献
12.
本文采用美元指数自1973年的日数据进行研究。首先,构造了一个衡量价格波动的函数,在此函数异常波动时,往往就预示看价格将要发生变动;然后,刮用基于遗传算法的神经网络构建资产价格异常波动预警系统。在神经网络的训练过程中,利用粗糙集时训练样本进行了约简,提高了训练效果。结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路。 相似文献
13.
本文采用美元指数自1973年的日数据进行研究.首先,构造了一个衡量价格波动的函数,在此数异常波动时,往往就预示着价格将要发生变动;然后,利用基于遗传算法的神经网络构建资产价格异常波动预警系统.在神经网络的训练过程中,利用粗糙集对训练样本进行了约简,提高了训练效果.结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路. 相似文献
14.
通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较.研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高.此外,随着验证期限的延长,两种模型的预测精度均下降.BP神经网络预测2015年第四季度不良率仍将小幅上升. 相似文献
15.
本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。 相似文献
16.
17.
分析沪锌期货的特征,发现沪锌期货价格存在非线性和波动集聚性的特点.选择沪锌期货的相关指标作为参数,运用人工神经网络训练数据,进行价格涨跌预测,构建BP神经网络和卷积神经网络沪锌期货预测模型.实证研究结果表明:模型预测准确率高,预测效果良好,在盘整行情中可获得较高收益,为投资决策提供重要参考,并可在期货市场中进行广泛应用. 相似文献
18.
19.