基于神经网络的汇率预测及系统设计
|
摘要
2005年7月21日,中国人民银行发布了《关于完善人民币汇率形成机制改革的公告》,宣布人民币汇率将实行“以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度”。这次人民币汇率形成机制改革的内容是:人民币汇率不再盯住单一美元,而是按照我国对外经济发展的实际情况,选择若干种主要货币,赋予相应的权重,组成一个货币篮子。同时,根据国内外经济金融形势,以市场供求为基础,参考一篮子货币计算人民币多边汇率指数的变化,对人民币汇率进行管理和调节,维护人民币汇率在合理均衡水平上的基本稳定。参考一篮子表明外币之间的汇率变化会影响人民币汇率,但参考一篮子不等于盯住一篮子货币,它还需要将市场供求关系作为另一重要依据,据此形成有管理的浮动汇率。
在新的人民币汇率机制的大背景下,涉外企业和商业银行均将面临汇率波动的风险,其避险机制的建立和完善都必须与汇率改革同步进行。一方面,对于企业而言,由于企业在涉外经济、金融活动中,可选择多种货币进行交易和结算,人民币和外币汇率变动的风险将伴随企业经济活动的全过程,汇率风险的责任也将完全由企业承担。如果企业对汇率波动所带来风险认识不足、对汇率风险的防范不足或防范能力太弱,就可能遭受损失。另一方面,对商业银行而言,更富弹性的人民币汇率机制使得汇率的波动日益频繁,波动幅度进一步加大,银行的外币资本金,整体资产负债结构将随汇率波动而发生变化,外汇业务也将面临一定的风险:如结售汇业务中的即期和远期结售汇敞口头寸,就会因汇率波动而让商业银行遭受风险。因此,无论是企业还是银行,都需尽快提高自身的汇率风险管理的水平,掌握各种外汇避险工具和手段,增强自身适应汇率浮动和应对汇率变动的能力。
汇率波动是产生外汇风险的决定性因素,预测汇率的波动方向和波幅,是确定风险大小和其危害程度的首要工作,因此,商业银行和涉外企业要对汇率风险进行防范和管理,首先需要准确的预测汇率变动的方向和程度,从而测定汇率风险的大小,然后据此制定相应的汇率风险管理策略。所以,汇率预测作为汇率风险管理的基础和前提,是汇率风险管理工作的重要步骤之一。传统的汇率预测方法基本上可以分为基于汇率决定模型进行汇率预测的基本分析法和根据汇率历史数据进行汇率预测的技术分析法,前者目的在于预测汇率变动的长期趋势,而后者更看中短期汇率变动趋势。
近年来非模型(Model-free)方法逐渐被用于预测领域。其中人工神经网络(Artificial Neural Network-ANN)在经济系统中的应用日渐增多。神经网络领域研究的背景工作始于19世纪末和20世纪初,其本质是非线性动态系统,具有较强的自学习、联想、识别等功能,属于人工智能和系统工程科学的边缘科学。作为一种大规模并行处理的非线性动力系统,人工神经网络近年来在经济分析、最优化、预测等领域得到了大量的应用,取得了良好效果。
用人工神经网络预测的基本思想是:首先收集数据去训练网络,然后用人工神经网络的算法去建立数学模型,最后进行预测。与传统的预测方法相比,人工神经网络预测具有许多优越性,如可以监视生产过程,确定因果关系,其精度较一般统计方法高等。另外,用神经网络方法进行计算的复杂性和计算量也低于一般统计方法。神经网络种类繁多,主要有前馈型、反馈型、随机型和自组织竞争型等。目前,误差反向传播神经网络,简称BP神经网络(Back Propagation),是神经网络中使用最为广泛的网络模型。BP神经网络是一种单向传播的多层前向网络,它无论在网络理论还是网络性能方面都已经非常成熟,其突出的优点就是具有很强的非线性映射能力和柔性的网络结构。本文正是在当前新的人民币汇率制度这一背景下,运用技术分析法,研究两种基于BP神经网络的汇率短期预测模型:其中一种为基于经济计量思想的汇率预测模型,另一种为基于汇率时间序列本身的汇率预测模型。最后将研究结论运用于中国人民银行模拟银行实验中心的项目:国家“十五”科技攻关课题“银行业信息化示范工程”(2001BA102A06)之“电子银行模拟系统”(2001BA102A06-04)专题,设计人民币/美元汇率短期预测系统模块,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。
论文主要分为五章:
第一章主要是关于汇率研究方面的内容。首先介绍了外汇和汇率的含义,然后简要介绍了当前的一些汇率决定理论,并根据这些汇率决定理论分析了影响汇率变化的因素。最后,介绍了汇率预测的基本方法并对当前人民币汇率预测的研究情况做了概述。
第二章主要介绍了神经网络相关理论,并对本文的建模基础——BP神经网络做了详细介绍。首先介绍了神经网络的概念和其研究历史,分析了神经网络的基本原理,概括了神经网络的学习类型;然后列举了神经网络的分类和现今一些典型的神经网络模型,并对基于神经网络进行预测的研究现状做了综述;最后,本章详细介绍了BP神经网络模型。主要从BP神经网络的基本原理、算法的详细数学推导、网络模型的设计以及自身的特性和优缺点四个方面对其做了详细的描述。从而,为本文后期的汇率短期预测模型实证分析打下了良好的理论基础。
第三章主要研究了基于经济计量思想的BP神经网络模型对汇率的短期预测。首先对建模工具MATLAB7.0做了简要介绍,然后根据第二章的结论选取用于汇率预测的经济变量指标,对这些经济数据做了清洗和转换,并将经济数据以及汇率数据做了归一化处理。最后,应用MATLAB7.0软件,使用BP神经网络对样本数据进行建模,并对所建立的9个BP神经网络模型进行分析,得出结论:以经济计量建模思想为基础的人民币/美元汇率的BP神经网络模型,可以对汇率月度数值做出准确率较高的短期预测。
第四章主要研究了汇率制度调整后这段时期,BP神经网络对每日人民币/美元汇率时间序列的预测情况。本章首先简要概括了基于神经网络的时间序列预测的研究现状,然后运用EVIEWS3.1软件分析了汇率数据样本的统计特性,采用滞后20期预测当前5期的方式从新对数据样本做了处理,得出新的样本空间。最后,运用BP神经网络对汇率时间序列建模预测,分析并比较所建立的9个网络模型,得出结论:BP神经网络模型,可以对每日人民币/美元汇率做出准确率较高的预测。
第五章主要介绍了对人民币/美元汇率预测系统模块的设计。本章首先介绍了项目研究背景,然后用结构图和流程图的方式,形象的介绍了该系统模块的五个子模块,并详细介绍了BP神经网络选择模块的处理过程及设计流程。本文的主要工作:
(1)本文根据2005年7月我国汇率制度调整这一宏观经济背景,分别尝试了基于经济基础变量和基于汇率时间序列数据本身两种方式,应用BP神经网络对汇率预测进行建模。对于第一种方式,本文比较并分析了将这次汇率制度调整纳入训练样本前后,BP神经网络对汇率的预测准确程度。考虑到一方面宏观经济指标的样本数据获取只能精准到月,另一方面我国刚进行汇率制度调整不久,调整后的宏观经济指标的样本较少,这些因素均可能影响BP神经网络预测的准确性,因此,本文又尝试了第二种预测方式。在第二种方式中,本文着重选取了汇率调整后的日汇率值作为样本空间,最后建模并得出结论:BP神经网络对汇率的短期预测准确程度较高。
(2)本文最后还将研究结论运用于“电子银行模拟系统”的人民币/美元汇率短期预测系统模块的设计中,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。
需要指出的是,为了问题的研究更具代表性,本文在汇率币种的选择上,只选取了人民币/美元的外汇牌价。在实际系统开发中,商业银行可根据其客户的需求加入其他币种的汇率预测,使其功能更加完善。
On July 21, 2005, the People's Bank of China announced the adjustment of the RMB exchange rate system. The contents of the reform of the RMB exchange rate mechanism were that the RMB exchange rate would no longer be pegged solely to the U.S. dollar, but accord to the actual situation of China's foreign economic development, select a number of major currencies, give them corresponding weight, form a basket of currencies It also would be based on market supply-demand relationship thus form a managed floating exchange rate.
Under the new RMB exchange rate mechanism, enterprise and commercial bank will all face the risk of exchange fluctuations. The establishment and improvement of their mechanisms to avoid risks should be carried out simultaneously with the reform of the exchange rate. So, whether enterprise or bank will be required to raise their own exchange rate risk management, grasp various exchange tools to avoid risks and strengthen their ability to deal with exchange fluctuations.
Exchange fluctuations are the decisive factors to generate foreign exchange risks. Forecast the direction and amplitude of the exchange rate fluctuations is the most important work to determine its risk damage, therefore, commercial bank and enterprise should prevent and manage the risk of the exchange rate. Firstly, we need to accurately predict the direction and amplitude of the exchange rate fluctuations, measure the risk damage, and then establish the corresponding strategy to manage exchange rate risk. So, as the basis and precondition for the exchange rate risk management, the precondition of the exchange rate is one of the important steps to manage the exchange rate risk. The traditional forecast method can be divided into basic analysis method according to the exchange rate model and technical analysis method according historical data of the exchange rate. The first method designed to forecast long-term trends of exchange rate movements, and the second one is better for short-term exchange rate forecast.
In recent years, Model-free was used in prediction field. Artificial Neural Network-ANN is used more and more in economy system. Background research in the field of Artificial Neural Network-ANN began in the late 19th century and early 20th century. Its nature is nonlinear dynamic systems. It had strong self-learning, legend capacity, identify functions and belong to the borderline science of artificial intelligence and systems engineering Science. As a large-scale parallel processing nonlinear dynamical system, Neural Network-ANN was widely used in economic analysis, optimization, forecast and a lot of other areas in recent years. It also achieved good effect. The types of Neural Network-ANN are feed forward-type, feed back-type, random-type,and self-organization competition-type mainly. At present, the Back Propagation is the most widely used neural network model. BP-neural network is a One-way transmission of multi-layer network. Whether it is in network theory or network performance is already quite mature. Its obvious advantage is highly nonlinear mapping capabilities and flexible network structure.
This paper is in the background of the new RMB exchange rate system, to research two short-term forecasts model which are based on the BP neural network. One forecast model is based on Economic factors, and another is based on the time series-self exchange rate forecasting model.
This thesis is mainly divided into five chapters:
Chapter 1 is primarily on the study of the exchange rate. Firstly, it introduces the meaning of foreign exchange and exchange rate, then, it briefly introduces some current exchange rate theory, and analysis factors which impact the exchange rate. Finally, it introduces the basic method of exchange rate forecasting and summarizing the current research situation of the RMB exchange forecasting.
Chapter 2 introduces the neural network theory, and the modeling basis of the thesis: BP neural network. Firstly, it introduces the concept of neural networks and its research history, analyzes the basic principles of neural networks, and summarizes the study types of the neural network. And then it lists the neural network classification and some typical neural network model. Finally, it makes a detailed introduction to the BP neural network model, such as the basic principles, the detailed mathematical algorithm, the network model design, and its characteristics, advantages and disadvantages.
Chapter 3 researches the short-term exchange rate forecasting by BP neural network model which was based on econometric thinking. Firstly, making a brief description of the modeling tools MATLAB7. Then according to the conclusions of the chapter 2, it selects economic variables for exchange rate forecasting. Finally, it models the sample data with BP by matlab7.0, and analysis the BP neural network models.
Chapter 4 mainly researches the forecasting of daily RMB exchange rate time series with BP neural network in the period after adjustment of the exchange rate. It begins with a brief summary of the time series prediction based on neural networks research. Then it uses Eviews to analyze the statistic characteristic of the sample data. Finally, it uses BP neural network to model and forecast exchange rates, compares and analysis the network models.
Chapter 5 mainly introduces the design of RMB/ dollar exchange rate forecast module. It introduces the project background, and introduces the five sub-modules of the system modules with structure and flow charts. Main work of the thesis:
(1) According to the macroeconomic background of China's exchange rate system adjusted in July 2005, the thesis tried two ways to model BP neural network to forecast exchange rates. One is on the basis of economic variables and the other is on the basis of exchange rate time-series data itself.
(2) Finally, the conclusion of the study is used in the design of the RMB/ dollar exchange rate forecast module, in expectation that the realization of the entire banking system simulation function expansion.
What needs to be pointed out is that in order to make the study of the issue more representative, this thesis selected RMB/ dollar exchange rate to forecast. In the actual systems development, commercial banks could join the demand of its customers and make the functions more perfect.
在新的人民币汇率机制的大背景下,涉外企业和商业银行均将面临汇率波动的风险,其避险机制的建立和完善都必须与汇率改革同步进行。一方面,对于企业而言,由于企业在涉外经济、金融活动中,可选择多种货币进行交易和结算,人民币和外币汇率变动的风险将伴随企业经济活动的全过程,汇率风险的责任也将完全由企业承担。如果企业对汇率波动所带来风险认识不足、对汇率风险的防范不足或防范能力太弱,就可能遭受损失。另一方面,对商业银行而言,更富弹性的人民币汇率机制使得汇率的波动日益频繁,波动幅度进一步加大,银行的外币资本金,整体资产负债结构将随汇率波动而发生变化,外汇业务也将面临一定的风险:如结售汇业务中的即期和远期结售汇敞口头寸,就会因汇率波动而让商业银行遭受风险。因此,无论是企业还是银行,都需尽快提高自身的汇率风险管理的水平,掌握各种外汇避险工具和手段,增强自身适应汇率浮动和应对汇率变动的能力。
汇率波动是产生外汇风险的决定性因素,预测汇率的波动方向和波幅,是确定风险大小和其危害程度的首要工作,因此,商业银行和涉外企业要对汇率风险进行防范和管理,首先需要准确的预测汇率变动的方向和程度,从而测定汇率风险的大小,然后据此制定相应的汇率风险管理策略。所以,汇率预测作为汇率风险管理的基础和前提,是汇率风险管理工作的重要步骤之一。传统的汇率预测方法基本上可以分为基于汇率决定模型进行汇率预测的基本分析法和根据汇率历史数据进行汇率预测的技术分析法,前者目的在于预测汇率变动的长期趋势,而后者更看中短期汇率变动趋势。
近年来非模型(Model-free)方法逐渐被用于预测领域。其中人工神经网络(Artificial Neural Network-ANN)在经济系统中的应用日渐增多。神经网络领域研究的背景工作始于19世纪末和20世纪初,其本质是非线性动态系统,具有较强的自学习、联想、识别等功能,属于人工智能和系统工程科学的边缘科学。作为一种大规模并行处理的非线性动力系统,人工神经网络近年来在经济分析、最优化、预测等领域得到了大量的应用,取得了良好效果。
用人工神经网络预测的基本思想是:首先收集数据去训练网络,然后用人工神经网络的算法去建立数学模型,最后进行预测。与传统的预测方法相比,人工神经网络预测具有许多优越性,如可以监视生产过程,确定因果关系,其精度较一般统计方法高等。另外,用神经网络方法进行计算的复杂性和计算量也低于一般统计方法。神经网络种类繁多,主要有前馈型、反馈型、随机型和自组织竞争型等。目前,误差反向传播神经网络,简称BP神经网络(Back Propagation),是神经网络中使用最为广泛的网络模型。BP神经网络是一种单向传播的多层前向网络,它无论在网络理论还是网络性能方面都已经非常成熟,其突出的优点就是具有很强的非线性映射能力和柔性的网络结构。本文正是在当前新的人民币汇率制度这一背景下,运用技术分析法,研究两种基于BP神经网络的汇率短期预测模型:其中一种为基于经济计量思想的汇率预测模型,另一种为基于汇率时间序列本身的汇率预测模型。最后将研究结论运用于中国人民银行模拟银行实验中心的项目:国家“十五”科技攻关课题“银行业信息化示范工程”(2001BA102A06)之“电子银行模拟系统”(2001BA102A06-04)专题,设计人民币/美元汇率短期预测系统模块,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。
论文主要分为五章:
第一章主要是关于汇率研究方面的内容。首先介绍了外汇和汇率的含义,然后简要介绍了当前的一些汇率决定理论,并根据这些汇率决定理论分析了影响汇率变化的因素。最后,介绍了汇率预测的基本方法并对当前人民币汇率预测的研究情况做了概述。
第二章主要介绍了神经网络相关理论,并对本文的建模基础——BP神经网络做了详细介绍。首先介绍了神经网络的概念和其研究历史,分析了神经网络的基本原理,概括了神经网络的学习类型;然后列举了神经网络的分类和现今一些典型的神经网络模型,并对基于神经网络进行预测的研究现状做了综述;最后,本章详细介绍了BP神经网络模型。主要从BP神经网络的基本原理、算法的详细数学推导、网络模型的设计以及自身的特性和优缺点四个方面对其做了详细的描述。从而,为本文后期的汇率短期预测模型实证分析打下了良好的理论基础。
第三章主要研究了基于经济计量思想的BP神经网络模型对汇率的短期预测。首先对建模工具MATLAB7.0做了简要介绍,然后根据第二章的结论选取用于汇率预测的经济变量指标,对这些经济数据做了清洗和转换,并将经济数据以及汇率数据做了归一化处理。最后,应用MATLAB7.0软件,使用BP神经网络对样本数据进行建模,并对所建立的9个BP神经网络模型进行分析,得出结论:以经济计量建模思想为基础的人民币/美元汇率的BP神经网络模型,可以对汇率月度数值做出准确率较高的短期预测。
第四章主要研究了汇率制度调整后这段时期,BP神经网络对每日人民币/美元汇率时间序列的预测情况。本章首先简要概括了基于神经网络的时间序列预测的研究现状,然后运用EVIEWS3.1软件分析了汇率数据样本的统计特性,采用滞后20期预测当前5期的方式从新对数据样本做了处理,得出新的样本空间。最后,运用BP神经网络对汇率时间序列建模预测,分析并比较所建立的9个网络模型,得出结论:BP神经网络模型,可以对每日人民币/美元汇率做出准确率较高的预测。
第五章主要介绍了对人民币/美元汇率预测系统模块的设计。本章首先介绍了项目研究背景,然后用结构图和流程图的方式,形象的介绍了该系统模块的五个子模块,并详细介绍了BP神经网络选择模块的处理过程及设计流程。本文的主要工作:
(1)本文根据2005年7月我国汇率制度调整这一宏观经济背景,分别尝试了基于经济基础变量和基于汇率时间序列数据本身两种方式,应用BP神经网络对汇率预测进行建模。对于第一种方式,本文比较并分析了将这次汇率制度调整纳入训练样本前后,BP神经网络对汇率的预测准确程度。考虑到一方面宏观经济指标的样本数据获取只能精准到月,另一方面我国刚进行汇率制度调整不久,调整后的宏观经济指标的样本较少,这些因素均可能影响BP神经网络预测的准确性,因此,本文又尝试了第二种预测方式。在第二种方式中,本文着重选取了汇率调整后的日汇率值作为样本空间,最后建模并得出结论:BP神经网络对汇率的短期预测准确程度较高。
(2)本文最后还将研究结论运用于“电子银行模拟系统”的人民币/美元汇率短期预测系统模块的设计中,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。
需要指出的是,为了问题的研究更具代表性,本文在汇率币种的选择上,只选取了人民币/美元的外汇牌价。在实际系统开发中,商业银行可根据其客户的需求加入其他币种的汇率预测,使其功能更加完善。
On July 21, 2005, the People's Bank of China announced the adjustment of the RMB exchange rate system. The contents of the reform of the RMB exchange rate mechanism were that the RMB exchange rate would no longer be pegged solely to the U.S. dollar, but accord to the actual situation of China's foreign economic development, select a number of major currencies, give them corresponding weight, form a basket of currencies It also would be based on market supply-demand relationship thus form a managed floating exchange rate.
Under the new RMB exchange rate mechanism, enterprise and commercial bank will all face the risk of exchange fluctuations. The establishment and improvement of their mechanisms to avoid risks should be carried out simultaneously with the reform of the exchange rate. So, whether enterprise or bank will be required to raise their own exchange rate risk management, grasp various exchange tools to avoid risks and strengthen their ability to deal with exchange fluctuations.
Exchange fluctuations are the decisive factors to generate foreign exchange risks. Forecast the direction and amplitude of the exchange rate fluctuations is the most important work to determine its risk damage, therefore, commercial bank and enterprise should prevent and manage the risk of the exchange rate. Firstly, we need to accurately predict the direction and amplitude of the exchange rate fluctuations, measure the risk damage, and then establish the corresponding strategy to manage exchange rate risk. So, as the basis and precondition for the exchange rate risk management, the precondition of the exchange rate is one of the important steps to manage the exchange rate risk. The traditional forecast method can be divided into basic analysis method according to the exchange rate model and technical analysis method according historical data of the exchange rate. The first method designed to forecast long-term trends of exchange rate movements, and the second one is better for short-term exchange rate forecast.
In recent years, Model-free was used in prediction field. Artificial Neural Network-ANN is used more and more in economy system. Background research in the field of Artificial Neural Network-ANN began in the late 19th century and early 20th century. Its nature is nonlinear dynamic systems. It had strong self-learning, legend capacity, identify functions and belong to the borderline science of artificial intelligence and systems engineering Science. As a large-scale parallel processing nonlinear dynamical system, Neural Network-ANN was widely used in economic analysis, optimization, forecast and a lot of other areas in recent years. It also achieved good effect. The types of Neural Network-ANN are feed forward-type, feed back-type, random-type,and self-organization competition-type mainly. At present, the Back Propagation is the most widely used neural network model. BP-neural network is a One-way transmission of multi-layer network. Whether it is in network theory or network performance is already quite mature. Its obvious advantage is highly nonlinear mapping capabilities and flexible network structure.
This paper is in the background of the new RMB exchange rate system, to research two short-term forecasts model which are based on the BP neural network. One forecast model is based on Economic factors, and another is based on the time series-self exchange rate forecasting model.
This thesis is mainly divided into five chapters:
Chapter 1 is primarily on the study of the exchange rate. Firstly, it introduces the meaning of foreign exchange and exchange rate, then, it briefly introduces some current exchange rate theory, and analysis factors which impact the exchange rate. Finally, it introduces the basic method of exchange rate forecasting and summarizing the current research situation of the RMB exchange forecasting.
Chapter 2 introduces the neural network theory, and the modeling basis of the thesis: BP neural network. Firstly, it introduces the concept of neural networks and its research history, analyzes the basic principles of neural networks, and summarizes the study types of the neural network. And then it lists the neural network classification and some typical neural network model. Finally, it makes a detailed introduction to the BP neural network model, such as the basic principles, the detailed mathematical algorithm, the network model design, and its characteristics, advantages and disadvantages.
Chapter 3 researches the short-term exchange rate forecasting by BP neural network model which was based on econometric thinking. Firstly, making a brief description of the modeling tools MATLAB7. Then according to the conclusions of the chapter 2, it selects economic variables for exchange rate forecasting. Finally, it models the sample data with BP by matlab7.0, and analysis the BP neural network models.
Chapter 4 mainly researches the forecasting of daily RMB exchange rate time series with BP neural network in the period after adjustment of the exchange rate. It begins with a brief summary of the time series prediction based on neural networks research. Then it uses Eviews to analyze the statistic characteristic of the sample data. Finally, it uses BP neural network to model and forecast exchange rates, compares and analysis the network models.
Chapter 5 mainly introduces the design of RMB/ dollar exchange rate forecast module. It introduces the project background, and introduces the five sub-modules of the system modules with structure and flow charts. Main work of the thesis:
(1) According to the macroeconomic background of China's exchange rate system adjusted in July 2005, the thesis tried two ways to model BP neural network to forecast exchange rates. One is on the basis of economic variables and the other is on the basis of exchange rate time-series data itself.
(2) Finally, the conclusion of the study is used in the design of the RMB/ dollar exchange rate forecast module, in expectation that the realization of the entire banking system simulation function expansion.
What needs to be pointed out is that in order to make the study of the issue more representative, this thesis selected RMB/ dollar exchange rate to forecast. In the actual systems development, commercial banks could join the demand of its customers and make the functions more perfect.
引文
2 潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p22
3 潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p3
4 潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p32
5 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
6潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p6
7潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p101
8罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
9 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
10 惠晓峰,人民币汇率预测问题的研究,哈尔滨工业大学博士论文,2002
11 惠晓峰、柳鸿生、胡伟、何丹青,基于时间序列 GARCH 模型的人民币汇率预测, 《金融研究》,2003 年第 5 期
12 Martin T.Hagan 等著 戴葵 等译《神经网络设计》机械工业出版社 2002 年
13 高隽 《神经网络原理及仿真实例》 机械工业出版 2003 年
14 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
15 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
16 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
17 刘潭秋 《基本时间序列模型的人民币汇率行为描述与预测》 硕士论文 2002 年
18 Martin T.Hagan 等著 戴葵 等译《神经网络设计》机械工业出版社 2002 年
19 吴仁志 《单神经元和多层前向人工神经网络的研究与应用》 硕士论文 2002
20 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
21 飞思科技产品研发中心 著 《神经网络理论与 MATLAB7 实现》电子工业出版 2005
22 惠小峰 胡运权 《人民币/美元汇率短期预测的神经网络模型研究》 《预测》1996 年第 6 期
1、潘国陵: 《汇率决定理论与国际收支理论研究》,上海人民出版社,2000年 5 月
2、罗世勋 2005 年:《人民币汇率预测和风险管理研究》,博士论文
3、惠晓峰,2002 年:《人民币汇率预测问题的研究》,哈尔滨工业大学博士论文
4、惠晓峰、柳鸿生、胡伟、何丹青,2003 年第 5 期:“基于时间序列 GARCH模型的人民币汇率预测”,《金融研究》
5、Martin T.Hagan 等著 戴葵 等译:《神经网络设计》,机械工业出版社,2002年
6、高隽 《神经网络原理及仿真实例》 机械工业出版 2003 年
7、李旭帅,2005 年:《基于神经网络的汇率预测研究》 硕士论文
8、刘潭秋 2002 年:《基本时间序列模型的人民币汇率行为描述与预测》, 硕士论文
9、吴仁志 2002 年:《单神经元和多层前向人工神经网络的研究与应用》, 硕士论文
10、张兴会,刘玲,陈增强,袁著祉,2002 年:《应用 Elman 神经网络的混沌时间序列预测》华东理工大学学报,增刊
11、梁艳春,王政,周春光,1998: 《模糊神经网络在时间序列预测中的应用》 计算机研究与发展
12、闻新,周露,王丹力等,2000 年:“MATLAB 神经网络应用设计”,科学出版社
13、罗士勋、李大伟、徐立本,2004 年 5 月:“人工神经网络工具在金融预测中的应用”,《吉林大学社会科学学报》增刊
14、高辉清、孙卫东,1995 年第 4 期:“人工神经网络预测和决策模型”,《预测》,68-72
15、惠晓峰、胡运权、胡伟,2002 年第 2 期:“基于遗传算法的 BP 神经网络在汇率预测中的应用研究”,《数量经济技术经济研究》,80-83
16、金中夏,1999 年第 9 期:“中国汇率、利率和国际收支的互动关系”,1981-1999,《世界经济》,19-24。
17、An-Sing Chen,Mark T.Leung, 2004,Vol, 31 ,1049-1068.Regression neural network for error correction in foreign exchange forecasting and trading, Computers &Operation Research.
18、Bouchra Bouqata,Amine Bensaid, Raloh Palliam, 1999, Vol. 6, Recurrent Artificial Neural Networks for Forecasting of Forward Interest Rates. Proceedings of the International Joint Conference on Neural Networks.
19、Chung-Ming Kuan, Tung Liu, Forecasting Exchange Rates Using Feed forward and Recurrent neural Networks, Journal of Applied Econometric .
20、Guoqiang Zhang,B.Eddy Patuwo,Michael Y.Hu, 1998,14,35-62,Forecasting with neural networks: The state of the art. International Journal of Forecasting.
3 潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p3
4 潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p32
5 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
6潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p6
7潘国陵 著 《汇率决定理论与国际收支理论研究》上海人民出版社 2000 年 5 月 p101
8罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
9 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
10 惠晓峰,人民币汇率预测问题的研究,哈尔滨工业大学博士论文,2002
11 惠晓峰、柳鸿生、胡伟、何丹青,基于时间序列 GARCH 模型的人民币汇率预测, 《金融研究》,2003 年第 5 期
12 Martin T.Hagan 等著 戴葵 等译《神经网络设计》机械工业出版社 2002 年
13 高隽 《神经网络原理及仿真实例》 机械工业出版 2003 年
14 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
15 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
16 罗世勋 《人民币汇率预测和风险管理研究》 博士论文 2005 年
17 刘潭秋 《基本时间序列模型的人民币汇率行为描述与预测》 硕士论文 2002 年
18 Martin T.Hagan 等著 戴葵 等译《神经网络设计》机械工业出版社 2002 年
19 吴仁志 《单神经元和多层前向人工神经网络的研究与应用》 硕士论文 2002
20 李旭帅 《基于神经网络的汇率预测研究》 硕士论文 2005 年
21 飞思科技产品研发中心 著 《神经网络理论与 MATLAB7 实现》电子工业出版 2005
22 惠小峰 胡运权 《人民币/美元汇率短期预测的神经网络模型研究》 《预测》1996 年第 6 期
1、潘国陵: 《汇率决定理论与国际收支理论研究》,上海人民出版社,2000年 5 月
2、罗世勋 2005 年:《人民币汇率预测和风险管理研究》,博士论文
3、惠晓峰,2002 年:《人民币汇率预测问题的研究》,哈尔滨工业大学博士论文
4、惠晓峰、柳鸿生、胡伟、何丹青,2003 年第 5 期:“基于时间序列 GARCH模型的人民币汇率预测”,《金融研究》
5、Martin T.Hagan 等著 戴葵 等译:《神经网络设计》,机械工业出版社,2002年
6、高隽 《神经网络原理及仿真实例》 机械工业出版 2003 年
7、李旭帅,2005 年:《基于神经网络的汇率预测研究》 硕士论文
8、刘潭秋 2002 年:《基本时间序列模型的人民币汇率行为描述与预测》, 硕士论文
9、吴仁志 2002 年:《单神经元和多层前向人工神经网络的研究与应用》, 硕士论文
10、张兴会,刘玲,陈增强,袁著祉,2002 年:《应用 Elman 神经网络的混沌时间序列预测》华东理工大学学报,增刊
11、梁艳春,王政,周春光,1998: 《模糊神经网络在时间序列预测中的应用》 计算机研究与发展
12、闻新,周露,王丹力等,2000 年:“MATLAB 神经网络应用设计”,科学出版社
13、罗士勋、李大伟、徐立本,2004 年 5 月:“人工神经网络工具在金融预测中的应用”,《吉林大学社会科学学报》增刊
14、高辉清、孙卫东,1995 年第 4 期:“人工神经网络预测和决策模型”,《预测》,68-72
15、惠晓峰、胡运权、胡伟,2002 年第 2 期:“基于遗传算法的 BP 神经网络在汇率预测中的应用研究”,《数量经济技术经济研究》,80-83
16、金中夏,1999 年第 9 期:“中国汇率、利率和国际收支的互动关系”,1981-1999,《世界经济》,19-24。
17、An-Sing Chen,Mark T.Leung, 2004,Vol, 31 ,1049-1068.Regression neural network for error correction in foreign exchange forecasting and trading, Computers &Operation Research.
18、Bouchra Bouqata,Amine Bensaid, Raloh Palliam, 1999, Vol. 6, Recurrent Artificial Neural Networks for Forecasting of Forward Interest Rates. Proceedings of the International Joint Conference on Neural Networks.
19、Chung-Ming Kuan, Tung Liu, Forecasting Exchange Rates Using Feed forward and Recurrent neural Networks, Journal of Applied Econometric .
20、Guoqiang Zhang,B.Eddy Patuwo,Michael Y.Hu, 1998,14,35-62,Forecasting with neural networks: The state of the art. International Journal of Forecasting.