论文部分内容阅读
汇率一直是各国金融理论和政策研究中的重点和热点问题。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幅度是确定其风险大小和影响程度的首要工作。深入研究当今人民币汇率的行为特征,揭示其内在的运行规律,并提高汇率预测的精度,对于国家制定相关的汇率政策、调整外汇储备、银行国际业务决策、企业的国际贸易活动等都具有十分重要的意义。本文对汇率预测方法和模型的发展进行了较全面的回顾,评价了神经网络技术、时频分析方法尤其是Hilbert-Huang变换在汇率预测领域的应用,确定了研究基础。然后提出了一个基于Hilbert-Huang变换和层反馈神经网络的汇率预测模型。其中,Hilbert-Huang变换能够充分利用原始序列中的数据信息,反馈神经网络有一个或多个反馈层,可以实现对非线性系统真正的动态建模。选取1994年1月1日至2009年6月30日的人民币兑美元汇率序列的周汇率数据作为样本进行实证研究。首先检验样本序列的非线性,对其进行经验模态分解与分解结果的重构,证明了分解结果的有效性;接下来对分解得到的固有模态函数进行了Hilbert变换,发现人民币汇率序列的时频特征;最后在确定神经网络的关键参数的基础上,对基于层反馈网络与基于Hilbert-Huang变换和层反馈网络模型的人民币汇率预测效果进行了对比分析,实证结果表明本文提出的模型是有效的。