人民币兑美元汇率短期预测研究——基于模糊信息粒化的svm模型

《人民币兑美元汇率短期预测研究——基于模糊信息粒化的svm模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：人民币兑美元汇率短期预测研究——基于模糊信息粒化的SVM模型TheShort-termPredictionResearchonExchangeRateofUSD/CNY——BasedonFuzzyInformationgranulationoftheSVMmodel作者姓名：许宗礼指导教师姓名刘建平及学位、职称：硕士教授学科、专业名称：统计学应用统计学位类型：专业学位论文提交日期：论文答辩日期：2016.06.04答辩委员会主席：王斌会论文评阅人：学位授予单位和日期：独

2、创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的巧巧成果。据我所知，除了文中特别加标注和致谢的地方外，论文中不包含其＼他人己经发表或撰写过的研巧成果，也不包含为获得或其他教育胃￣一机构的学位或证书而使巧过的材料。与我同工作的同志对本研巧所做的任巧贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名签字日期！年（月＞？日学位论文版权使用授权书巧有关保留、使用学位论文的规定本学位论文作者完全了解嚇，有权保留并向国家有关部口或机构送交论文的复印

3、件和磁盘，允许论文被查阅和借阅。本人授权可Ｗ将学位论文的全部或部分内容编入有关数＿＾§＾｜｜＿。据库进行检索、、（保，可Ｗ采用影印缩巧或扫描等复制手段保存汇编学位论文密的学位论文在解密后虽用本授权书）学位论文作者签名：：剧赔名方２＾之３签字日化诚年資月曰签宇日期：如扁月曰言学位论文作者毕业后去向：！工作单垃：电话：通讯地化：邮编暨南大学硕士学位论文中文摘要人民币兑美元汇率是我国和美国之间经济关系的重要指标，自汇改以来，它的中间价变动幅度较大，究其原因是多样复杂的。

4、要想及时把握汇率的变化信息，需要对汇率的时间序列进行短期预测，为国家以及企业或者个人在国际市场上的投资贸易活动提供决策依据。信息粒化在获得多元信息方面占有一定的优势，支持向量机（supportvectormachine，SVM）在解决非线性回归预测问题方面也已经相当成熟，基于信息粒化的支持向量机模型已广泛应用于金融时间序列的预测领域。本文采用模糊信息粒化的SVM模型对人民币兑美元汇率进行短期预测，选取2011年1月4日至2016年1月25日的人民币兑美元汇率中间价数据作为样本。首先对样本数据进行模糊信息粒化

5、，将五个交易日作为分割的一个操作窗口大小，得到三个模糊粒子Low、R、Up，分别表示样本数据变化的最小值、平均值、最大值；其次，进行归一化处理；再次，采用交叉验证方法对归一化后的模糊粒子分别进行训练学习，得到支持向量机模型的最优参数；最后，采用支持向量机分别对三个模糊粒子数据进行预测，得到的三个模型的拟合优度分别为98.17%、99.03%、98.71%。得到的预测结果是：未来五个交易日汇率中间价的变化范围是（6.5507，6.5572），未来五个交易日汇率的变化趋势是下降的。经检验，这与实际情况是一致的。

6、研究结果表明，模糊信息粒化的SVM模型应用于人民币兑美元汇率短期预测效果较好，且模型稳健，具有一定的应用前景。关键词：模糊信息粒化；支持向量机；汇率短期预测；变化范围和趋势I人民币兑美元汇率短期预测研究英文摘要TheexchangerateofUSD/CNYisanimportantindexofeconomicrelationsbetweenChinaandAmerica,theCentralparityratehasbeenchangingsincetheexchangeratereform，andth

7、ereasonsisvariousandcomplex.Tograspthechangeofexchangerateinformationintime,weneedtodoshort-termpredictionofexchangeratetimeseriesprovidingdecision-makingbasisforthecountryandtheenterpriseorindividualinvestmentandtradeactivitiesintheinternationalmarket.Inf

8、ormationgranulationhascertainadvantageinaccessingtodiverseinformation,supportvectormachine(SVM)hasalsobeenquitematureinthetreatmentofnonlinearregressionpredictionproblems,andbasedoninformationgranulationofsup