深度學習能更好地預測人民幣匯率嗎?
周穎剛; 陳海鵬 廈門大學經(jīng)濟學院與王亞南經(jīng)濟研究院; 廈門大學信息科學與技術學院
關鍵詞：匯率預測 cnn神經(jīng)網(wǎng)絡 小波分析 主成分分析 新興媒體指標
摘要：本文試圖回答深度學習的新技術是否能更好地預測人民幣匯率波動。為此,我們運用深度學習方法改善并提出多層卷積神經(jīng)網(wǎng)絡(CNN),分別構建了預測匯率波動的長期與短期模型,分析發(fā)現(xiàn)網(wǎng)絡搜索次數(shù)等新興媒體指標能夠提高短期模型的預測結果,同時合并長、短期模型的結果優(yōu)于直接利用所有影響因素進行預測的結果,也優(yōu)于采用傳統(tǒng)的神經(jīng)網(wǎng)絡以及時間序列分析方法(如廣義自回歸條件異方差、貝葉斯平均分類回歸等模型)進行預測的結果。
金融科學雜志要求:
{1}注釋是對文章標題、作者及文內某一特定內容的進一步解釋或補充說明。注釋序號用帶圓括號的阿拉伯數(shù)字表示；注釋位置在正文結束之后，參考文獻之前。
{2}來稿要求論點鮮明、論證充分、結論明確、數(shù)據(jù)可靠、文字簡練，達到“齊、清、定”的要求。
{3}題名中應避免使用非公知公用的縮寫詞、字符、代號以及結構式或公式。
{4}參考文獻：論文中直接或間接引用他人研究成果的，均需標注參考文獻。
{5}第一作者簡介應在篇首頁地腳處注明第一作者的姓名、出生年、性別、籍貫、職稱、學歷及從事專業(yè)。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
