基于混合人工神經網絡的人民幣匯率預測研究——兼與ARMA、ARCH、GARCH的比較

摘要：隨著人民幣匯率市場化程度不斷提高,其波動程度也不斷增大,對人民幣的預測顯得越來越重要。近幾年來,人工智能在許多領域都取得了巨大的成功,證明了自身的優越性,作為其主要組成部分的人工神經網絡(ANN)模型已經逐漸被引入金融資產價格的預測研究中。本文將原本僅適用于二值型數據的Adaboost算法進行了優化,使其也能適應連續型數據,并用其確定混合模型的權重,解決了過往大多數研究中混合模型權重設定較為主觀和隨意的問題。在此基礎上,本文融合了廣義回歸神經網絡(GRNN)撞長預測趨勢因素,而誤差反傳神經網絡(BPNN)擅長預測隨機因素的優點,組成了比單一神經網絡模型更為強大的GR_BP_Adaboost強預測模型。最后,以均方誤差(MSE)、平均絕對誤差(MAE)和DM檢驗為標準,將GR_BP_Adaboost模型對人民幣匯率的預測結果與傳統的ARMA、ARCH和GARCH模型進行了對比,所有結果均表明GR_BP_Adaboost強預測模型的預測能力顯著優于其他模型,說明人工智能預測技術相較于傳統方法具有較大優勢,也說明匯率市場不是弱式有效。