广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题.提出了一种基于广义回归神经网络方法的金融预测模型。该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程。通过详细的仿真实验以及与BP神经网络的比较可得出以下结论：该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络。

计开发中最为关键的一部分，金融预测作 为数据挖掘的一个应用研究分支也不例外。

广回神网的义归经络 金测研究融预模型 ■廖薇博士生冯小兵曹伟莹 3刘锦高教授 (、华东师 1范大学信息学院电子系上海 2 0 4 2 0 2 1、上海社科院世界经济和政治研究所和上海建桥学院上海 2 0 0 3 02 0、宜春学院理工学院 江西宜春 ▲

传统的预测模型有自回归模型 ( AR)或移 动平均模型 ( MA),参数估计一般采用等最小均方 ( MS)估计。但如题所示，本 L

文预测系统的模型选择为广义回归神经网 络模型。

预测模型的评估。如果基于不同的指 标，则对不同的预测模型进行比较评价后， 比较结果也可能不同，这正说明不同评价 指标的不一致性。因此，对预测模型进行预测性能的评估，必须是基于一定评价指

标的。一般情况下，人们常常根据实际情 况选择更具有价值的评价体系。

360 3 0 0)

基金项目：上海市 2 0年科技攻关重点项目 (15 0 2)“于单 07 ( 150 7 1基片 DM D的立体显示系统” 0)海市教委创新项目 ( A H0 0 ;2 ( 9上 A S 9 4)

金融市场测试实例 在金融市场中，汇率市场为最重要的 市场之一，其作用不仅仅被政府所重视，而且受大众的普遍关注。同时，汇率市场是

“于人 X神经网络模型对我国参考篮子汇率体制的研究”基 - - ◆

中图分类号：T 1 3文献标识码：A P 8 据，通过网络本身的学习功能即可实现输

一

个非线性、动态的系统，其市场行为受

内容摘要：本文针对 B网络存在着收 P敛速度慢和局部极小的问题 .提出了 种基于广义回归神经网络方法的金 一

入和输出之间的映射。所以，人工神经网络的非线性高度逼近能力为宏观经济分析 提供了一条全新的途径。 金融市场变化，从价格上来看无非是图 1中四种模式的组合。在金融系统运作过程中，人们更为关心某种经济模式的发

到诸如利率、经济增长率、通货膨胀率政治和国家宏观经济政策等许多因素的影响， 也是最复杂的市场。所以对汇率市场行为 做出比较准

确的预测具有一定困难，也极具挑战和现实意义。本文选择汇率时间序列来进行金融预测的研究。

融预测模型。该网络运用于汇率模拟与预测，以演示训练样本的构建、原始

数据预处理、神经网络的创建训练和 检测结果的评价整个过程。通过详细的仿真实验以及与 BP神经网络的比较可得出以下结论：该方法不仅运算速度较快，且逼近性能及预测性能明显都优于传统 BP神经网络。

生状况和时间，以便采取相应对策。而神经网络有很强的识别能力，其学习能力可对环境的变化进行学习。所以，采取神经 网络信息处理技术能够减少传统技术分析 的理论假设，使建立的经济金融系统更合实际情况。

19年， 94我国进行了外汇管理体制改 革，实行了钉住美元的汇率制度。但随着

经济的迅速发展和美元汇率的大幅度波动。 许多学者提出钉住篮子货币的建议。为了 确定货币篮子中各种货币的数量，本文参照 l确定 S R篮子构成的方法，根据 MF D并对汇率影响因素的分析，分别取美元、瑞

关键词：广义回归神经网络 时间序列

金融预测

金指融等分测对市方史数的行的来融运据其历未金场量据市为大析预用挖预预来场，测测数掘法， 对象为金融市场上的各种金融证券指标以 及金融产品价格，如各种股票指数、利率

金融预测系统结构 建立一个金融预测系统一般含数据预

士法郎、日元、欧元4种篮子中的货币作为 人民币汇率预测的影响因子，以汇率作为输出因子，即网络的输出。由此来构建广义回归神经网络。 (一 )数据预处理

处理、预测模型的选择和系统评价三个模块，结构框架如图 2示。所

及汇率等。 传统的时间序列分析在经济中的运用， 主要包括指数平滑法、滑动平均法、时间

数据预处理。在输入到算法之前，必须先收集、观察、清理且选取数据。最好 的预测系统也可能因为不好的数据形式而

在实际预测前，应先考虑将样本进行 划分。一般不同的划分会影响神经网络模

序列分解等确定性时间序列分析方法，这 些方法大都为基于对因果关系回归模型和

失败

,所以数据预处理过程非常重要。 预测模型的选择。建模过程在数据挖 掘过程中最为重要。测模型的选预择及优化 (即建

型的预测能力。数据集可划分为3集合：个 训练集，于权值与阈值的训练；检验集，用

时问序列模型的分析，所建立的模型不能 本质反映所预测的动态数据的内在结构和复杂特性。人工神经网络不仅具有大规模

并行模拟处理、网络全局作用和非线性动力学等特点，且有很强的自适应、自学习 和其容错能力，具备传统的建模方法所不

模 )是预测系统设 BP( 9) M6 E P 1 87 8 6

图2金融预测系统结构表 1预测性能比较 GR NN GR NN GR NN GR NN GR N N

具有的许多优点，其可以不必事先知道有

关被建模对象的参数、结构以及动态特性 等方面的知识，对被建模对象经验知识要求不高。而只需给出对象的输入和输出数 4 2商业时代 (名原《商业经济研究》 2 1年 7 ) 00 期

(P= ) S D O1 O9 3 41

( P= ) S D 02 09 6 47

( P= 3】 SD 0 09 7 44

(P= S D 04) 09 7 46

(P=. SD O 5) 09 7 47

MAE R S M E

O3 8 5 1 0O 3 .0 4

00 2 43 Oo 1 06

O0 3 46 0o 1 06

00 3 48 0O 1 06

0O 3 .4 9 0o 1 O6

0O 3 .4 9 Oo 1 .0 6

第1页