發(fā)布時(shí)間：2021-06-29 06:25

　　深度學(xué)習(xí)算法在時(shí)間序列預(yù)測(cè)領(lǐng)域具有較大優(yōu)勢(shì)。基于深度學(xué)習(xí)中的長(zhǎng)短期記憶模型（LSTM）構(gòu)建了LSTM與GARCH族混合模型,以期融合新型深度學(xué)習(xí)模型和傳統(tǒng)統(tǒng)計(jì)計(jì)量模型的各自優(yōu)勢(shì),進(jìn)而提高人民幣匯率波動(dòng)率預(yù)測(cè)的精度。選取2009—2018年的數(shù)據(jù),對(duì)比分析了LSTM與GARCH族混合模型、單一LSTM模型和單一GARCH模型的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,LSTM與GARCH族混合模型要優(yōu)于單一模型,單一LSTM模型要優(yōu)于單一GARCH模型;另外,LSTM結(jié)合多個(gè)GARCH模型的復(fù)雜混合模型（LSTM-GEM）預(yù)測(cè)準(zhǔn)確度最高,其次是LSTM結(jié)合兩個(gè)或單個(gè)GARCH族模型的簡(jiǎn)單混合模型。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁(yè)數(shù)】：4 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏模型的人民幣匯率波動(dòng)預(yù)測(cè)[J]. 周愛民,劉曉孟.  上海金融. 2019(03)
[2]深度學(xué)習(xí)能更好地預(yù)測(cè)人民幣匯率嗎?[J]. 周穎剛,陳海鵬.  金融科學(xué). 2018(01)
[3]基于深度學(xué)習(xí)的上證綜指波動(dòng)率預(yù)測(cè)效果比較研究[J]. 陳衛(wèi)華.  統(tǒng)計(jì)與信息論壇. 2018(05)
[4]基于泰勒規(guī)則的人民幣匯率預(yù)測(cè)研究:兼論多種匯率決定模型預(yù)測(cè)比較[J]. 江春,楊宏略,李小林.  世界經(jīng)濟(jì)研究. 2018(04)
[5]國(guó)際石油價(jià)格與人民幣匯率的聯(lián)動(dòng)效應(yīng)研究——基于VAR模型的實(shí)證分析[J]. 丁緒輝,王柳元,賀菊花.  價(jià)格理論與實(shí)踐. 2017(07)
[6]基于中位數(shù)GARCH模型的匯率波動(dòng)率預(yù)測(cè)[J]. 張曼,趙學(xué)靖,田人合.  統(tǒng)計(jì)與決策. 2017(11)
[7]基于馬爾科夫狀態(tài)轉(zhuǎn)換GARCH模型的匯率波動(dòng)預(yù)測(cè)[J]. 黃曉芝,宋偉,劉子寅.  統(tǒng)計(jì)與決策. 2017(06)
[8]基于混頻數(shù)據(jù)的人民幣匯率預(yù)測(cè)研究[J]. 張蜀林,楊洋.  商業(yè)研究. 2016(12)
[9]匯率基本面模型對(duì)人民幣匯率的預(yù)測(cè)能力[J]. 鄧貴川,李艷麗.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2016(09)
[10]人民幣匯率波動(dòng)的預(yù)測(cè)——基于損失函數(shù)和DM檢驗(yàn)的比較分析[J]. 李艷麗,鄧貴川,李辰陽(yáng).  國(guó)際金融研究. 2016(02)



本文編號(hào)：3255925