基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文试图回答深度学习的新技术是否能更好地预测人民币汇率波动。为此,我们运用深度学习方法改善并提出多层卷积神经网络(CNN),分别构建了预测汇率波动的长期与短期模型,分析发现网络搜索次数等新兴媒体指标能够提高短期模型的预测结果,同时合并长、短期模型的结果优于直接利用所有影响因素进行预测的结果,也优于采用传统的神经网络以及时间序列分析方法(如广义自回归条件异方差、贝叶斯平均分类回归等模型)进行预测的结果。
推荐文章
人民币汇率走势分析
人民币汇率
影响因素
汇率制度
基于EMD和Elman网络的人民币汇率时间序列预测
时间序列
汇率预测
经验模态分解
Elman网络
人民币实际有效汇率贬值超3%。
人民币汇率形成机制改革
汇率贬值
国际清算银行
汇率指数
数据显示
中间价
环比
升值
加息与人民币汇率升值问题探讨
加息
汇率
人民币
升值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 深度学习能更好地预测人民币汇率吗?
来源期刊 金融科学 学科 经济
关键词 汇率预测 CNN神经网络 小波分析 主成分分析 新兴媒体指标
年,卷(期) 2018,(1) 所属期刊栏目
研究方向 页码范围 41-62
页数 22页 分类号 F832.6
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈海鹏 厦门大学信息科学与技术学院 3 12 2.0 3.0
2 周颖刚 13 96 1.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
汇率预测
CNN神经网络
小波分析
主成分分析
新兴媒体指标
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
金融科学
半年刊
大16开
北京市朝阳区惠新东街10号
1988
chi
出版文献量(篇)
1488
总下载数(次)
2
总被引数(次)
2434
论文1v1指导