一种自组织混合模型在汇率波动性预测中的应用
倪禾
浙江工商大学金融学院,浙江杭州,310018
摘要：汇率波动性的预测一直以来是研究金融市场者关注的焦点之一,本文拓展了一种基于自组织神经网络技术的,用于预测非平稳汇率波动性的自组织混合模型(SOMAR).SOMAR突破了传统模型对平稳性的假设,变伞局建模为局部建模,使得全局非平稳数据变成局部平稳数据.同时,它也是一种基于神经元网络技术的非参数同归模型,结合传统回归模型的简易性和神经元网络算法的灵活性,拓展模型(ESOMAR)提高了对数据异构的适应性.在对汇率波动性的预测实验中,ESOMAR体现出优于传统回归模型和一些基于其它神经元网络模型的效果,并证明了它在预测金融数据方面所具有的价值.
关键词：自组织神经网络波动性汇率局部建模
分类号：TP183(自动化基础理论)
资助基金：教育部人文社会科学研究项目(09YJC790242)浙江省自然科学基金(Y7080205)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 444-450 )
英文信息