学位论文 > 优秀研究生学位论文题录展示

基于小波神经网络模型的短期汇率预测

作　者: 王洪志
导　师: 李英
学　校: 东北大学
专　业: 金融学
关键词: 外汇市场浮动汇率小波分析人工神经网络
分类号: F224
类　型: 硕士论文
年　份: 2009年
下　载: 78次
引　用: 0次
阅　读: 论文下载

内容摘要

外汇市场作为一个国际性的资本投机场所,其历史比股票、黄金、期货和利息市场短得多,然而,它的发展速度却非常惊人。据统计,今天的外汇市场每天的交易额超过2万亿美元,其规模已远远超过股票、期货等其他金融商品市场,成为当今全球最大的金融市场。在主要国际金融中心,都有外汇市场的存在,最大的外汇市场在伦敦、纽约和东京。外汇市场是商品经济发展的必然产物,其在一国经济中的地位已经不容忽视。自布雷顿森林体系崩溃以后,主要西方国家普遍实行了浮动汇率制度,汇率的波动便一直是国际金融领域引人关注的焦点,因为它关系到国际资本的流动,反映有关国家政治经济的变化,又具有极高的市场价值。外汇市场的价格波动是非线性的,但是其波动总是遵循某种趋势,或呈上升趋势,或呈下降趋势,或是盘整。趋势是需求与供给双方力量对比的体现。以欧元／美元为例,如果欧元／美元呈上升趋势,说明市场上对欧元的需求增多,或者说市场上主流资金看好欧元而不看好美元；反之,则说明市场上对欧元的需求减少,或者说市场主流资金不看好欧元而看好美元。产生这种趋势的原因错综复杂,我们很难通过建立一个模型来较好的逼近这一非线性系统。但是我们可以通过研究趋势运动的规律来预测趋势未来的运行方向。这是因为,一种趋势一旦运行便说明一方力量强于另一方,它一般会持续一段时间而不会轻易逆转。趋势有保持原来方向的惯性,正是由于这一条,技术分析者才会花费大量心血,看图找出价格变动的规律。一般来说,一段时间内汇率价格一直是持续上涨或者下跌,那么,今后一段时间,没有出现意外,汇率价格会按照这个方向继续上涨或者下跌,没有理由改变这一既定的运动方向。所以我们可以通过研究汇率的历史价格来发现汇率波动的规律,从而达到预测的目的。本文选取欧元／美元作为目标市场,结合小波分析与人工神经网络构建预测模型。利用小波分解算法将原始价格时间序列分解到不同的频率通道上,再重构到原尺度上,得到频率成份比原始序列单一的若干子序列。然后再利用神经网络对分解后的时间序列进行预测,最后经合成得到原始时间序列的预测值。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-17
  1.1 选题背景及研究意义  11-13
    1.1.1 选题背景  11-12
    1.1.2 研究意义  12-13
  1.2 国内外的相关研究综述  13-15
  1.3 论文研究方法及内容  15-17
    1.3.1 研究方法  15
    1.3.2 研究内容  15-17
第2章外汇交易概述  17-23
  2.1 外汇市场  17-20
    2.1.1 外汇市场的概念及作用  17
    2.1.2 外汇市场的构成  17-18
    2.1.3 外汇市场的组织形式  18
    2.1.4 外汇市场交易时段  18-20
  2.2 外汇交易  20-23
    2.2.1 外汇汇率的报价方式  20-21
    2.2.2 外汇交易的两种形式  21-22
    2.2.3 外汇交易基本面分析和技术面分析  22-23
第3章人工神经网络与小波理论  23-45
  3.1 人工神经网络模型  23-37
    3.1.1 神经网络的历史沿革  23-24
    3.1.2 人工神经网络的原理  24-28
      3.1.2.1 生物神经元及人工神经元模型  24-25
      3.1.2.2 激活函数  25-28
    3.1.3 BP神经网络模型  28-37
      3.1.3.1 BP神经网络学习算法  28-33
      3.1.3.2 BP神经网络算法步骤  33-34
      3.1.3.3 BP神经网络的不足及其改进方法  34-37
  3.2 小波理论  37-44
    3.2.1 多分辨分析与Mallat算法  38-40
    3.2.2 常用的小波函数  40-44
  3.3 小波分析与神经网络的结合方式  44-45
第4章用于预测的小波神经网络模型结构设计  45-51
  4.1 基于小波分解与重构的BP神经网络的预测原理  45-46
  4.2 小波参数的选择  46-47
  4.3 BP神经网络结构设计  47-51
    4.3.1 参数的优化与选择  47-49
    4.3.2 选择网络函数  49
    4.3.3 建立模型  49-51
第5章仿真实验  51-61
  5.1 基于小波分解与重构的BP神经网络预测的仿真实验  51-54
    5.1.1 数据分析  51-53
    5.1.2 数据样本的选取方法  53
    5.1.3 仿真实验步骤  53-54
  5.2 仿真实验过程  54-59
  5.3 结论  59-61
第6章结束语  61-64
  6.1 总结  61-62
  6.2 本文所做的主要工作及不足之处  62-64
    6.2.1 论文的主要工作  62
    6.2.2 论文的不足  62-64
参考文献  64-67
致谢  67-68
附录  68-73

基于小波神经网络模型的短期汇率预测

内容摘要

全文目录

相似论文