一种自组织混合模型在汇率波动性预测中的应用

• 作者: 倪禾
• 来源期刊: 控制理论与应用
• 关键词: 自组织神经网络 波动性 汇率 局部建模
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 论文
• 页码范围: 444-450
• 页数: 7页
• 分类号: TP183
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪禾	浙江工商大学金融学院	6	54	3.0	6.0