基于小波分析与支持向量机的人民币汇率预测

《基于小波分析与支持向量机的人民币汇率预测》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、硕上学位论文摘要汇率是影响一国经济内部和外部均衡的重要变量。布雷顿森林体系解体后，汇率行为变得越来越复杂。近几年来国际金融市场跌宕起伏，尤其是外汇市场上，各国货币汇率的波动剧烈。汇率是一个复杂的非线性动态系统，利用传统的时间序列预测技术很难揭示汇率序列的内在规律。为了更好的对外汇市场的汇率进行分析，本文采用了支持向量回归的方法对汇率进行预测。本文首先对汇率预测方法和模型的发展进行了较全面的回顾，评价了支持向量机技术、数据除噪技术尤其是小波分析方法在金融领域，特别是在汇率预测领域的应用。考虑到汇率数据的非线性以及噪音污染性，

2、以及支持向量机和小波分析分别在非线性预测和除噪领域的优势，本文提出了一个基于小波分析和支持向量机的汇率预测组合方法。本文采用人民币兑美元的汇率数据对模型进行了实证分析，检验模型的有效性。通过试验实证结果显示，该模型的预测效果较之BP神经网络与单纯的AR．SVM模型更优。同时，通过显著性检验可知，该预测模型的预测性能显著优于BP神经网络与单纯的AR-SVM模型。本文运用小波分析与支持向量机就人民币汇率进行预测研究，不仅可以为货币当局更好地制定与汇率有关的宏观经济政策提供政策建议，而且能够帮助企业经营以及投资者制定正确的策略，

3、进而规避风险，因此有着重要的理论价值和现实意义。关键词：人民币汇率预测；小波分析；遗传算法；支持向量机II基于小波分析与支持向量机的人民币汇率预测AbstractExchangerateiSanimportantvariablewhichaffectstheinternalandexternalequilibriumofeconomy．ExchangeratebehaviorbecomesmoreandmorecomplicatedafterthecollapseoftheBrettonWoodsSystem．Inrece

4、ntyears，Internationalfinancialmarketfluctuatesgreatly,especiallyontheforeignexchangemarket．Foreignexchangemarketisacomplicatednon-1ineardynamicsystem．Itisverydifficulttoopenoutitsinherentrulesusingtraditionaltimingpredictiontechnique．Toimprovetheanalysisofthepatte

5、rnoftheexchangerate，anewpredictiontechnologybasedonWaveletAnalysisandSupportVectorRegression(SVR)hasbeenproposed．Thispaperfirstlyreviewsthedevelopmentofexchangerateforecastingmodelsandtechniques，specificallyanalyzestheapplicationofsupportvectormachineandwaveletana

6、lysis，especiallyinexchangerateforecastingfield．Withconsiderationofthenon．1inearandnoise．contaminatedcharacteristicoftheexchangerateseries，togetherwiththeadvantagesofsupportvectormachineandwaveletanalysisinnon-linearforecastinganddenoisingrespectively,acombinativem

7、odelbasedonwaveletanalysisandsupportvectormachineforexchangerateforecastingisdeveloped．TheWaveletAnalysisandAR．SVMmodelistestedbyempiricalresearchwiththeRMB／USDexchangerate．TheempiricalresultsshowthattheproposedmodeloutperformstheAR．SVMmodelandBPneuralnetworkmodel

8、．Experimentsshowtheeffectivenessofthepredictingmethod．Meanwhile．theSVRmodeliSmoreaccuratethanBPneuralnetworkmodelandAR-SVMmodebyconductingasignificancet