《BP神经网络在汇率短期预测中的应用 》

摘要：随着我国经济不断发展，汇率作为核心经济变量，对宏观和微观经济起到联 系并调节的作用。人民币汇率在维持我国国民经济内外均衡中扮演了重要的角色。 2005年7月21日，人民币实行“汇改”，2008年全球经历了经济危机，在此背 景下，人民币汇率问题逐渐成为影响我国与重要贸易伙伴关系的关键问题。因此， 探索汇率系统的内在规律，从而更好地对汇率波动趋势和幅度进行准确地预测， 具有很强的现实意义和价值。 由于传统线性时间序列模型的缺陷，不能有效地反映类似汇率数据这种非线 性特征时间序列。因此本论文分别使用了传统的时间序列模型——ARIMA模型 和常用于拟合非线性特征的BP神经网络模型。利用模型对处理后的人民币/美元 汇率数据进行拟合，并分析这两个模型的预测误差和拟合情况，研究结果表明， BP神经网络在拟合汇率这种非线性特征经济数据的效果上比传统时间序列模型 更加理想。 本论文主要由三部分组成：第一部分介绍了人民币和汇率的相关概念，回顾 人民币兑美元汇率的发展历程，分析了影响汇率波动的主要因素以及汇率的波动 会对国家内部和外部经济产生的影响。第二部分介绍了传统线性时间序列模型的 相关理论，总结了拟合ARIMA模型的建模步骤，接着介绍了神经网络的特点和 研究内容，详细阐述了应用最广的BP神经网络的结构、特性和拟合模型时隐含 层单元数选择。第三部分是实证部分，本文选取了我国在实行“汇改”之后人民 币/美元汇率数据，对数据进行建模和预测，分析并评价拟合和预测效果。本文最终选择的最优模型能对我国人民币汇率的价格水平和波动趋势进行 较准确的预测，对涉外企业或银行等投资机构制定正确的货币政策和规避汇率波 动风险制定决策具有一定的实际指导意义。想要下载论文的读者朋友，请先付费获得积分。