论文部分内容阅读
正确分析和预测汇率波动对政府制定金融政策、企业规避外汇风险、投资者进行外汇交易具有重要作用。近年来,时间序列分析模型、神经网络模型、支持向量机模型等多种方法已被广泛应用于汇率预测。然而由于汇率序列具有非线性、非平稳、高噪声等复杂特点,单一预测模型和一般组合预测模型均难以准确分析汇率波动特征并预测汇率未来走势。多尺度分解方法具有良好的时频分辨特性,能够将非平稳序列分解为多个不同频率的分量序列,并根据各分量序列的不同波动特征和规律选择不同预测方法,建立多尺度组合模型。对于分析汇率波动特征、预测未来走势具有重要作用,近年来引起了学术界的广泛关注。然而,由于多尺度组合模型目前还处于初步发展阶段,存在序列分解不精确、重构算法简单、预测方法单一等问题,导致预测效果不佳。针对以上问题,本文在对多尺度组合模型深入研究的基础上,借鉴国内外学者的研究成果,基于改进的集成经验模态分解(MEEMD)模型、模糊熵算法、Elman神经网络模型、支持向量机(SVM)模型和ARIMA模型,构建了一个新的MEEMD组合模型,用于汇率预测。本文的主要研究工作包括:(1)采用MEEMD模型和模糊熵算法对汇率进行多尺度分解与重构,将汇率分解为代表市场投机因素的高频序列、代表重大事件影响的低频序列以及代表汇率内生制度性和趋势项因素的趋势项序列,分析不同影响因素对汇率变化的影响。(2)根据高频序列、低频序列和趋势序列的不同波动特征,分别选用不同的预测方法进行组合预测,提高预测精度。采用MEEMD组合模型对欧元兑美元、英镑兑美元以及美元兑日元汇率收盘价序列进行实证发现,MEEMD组合模型对汇率的预测精度优于其它模型。(3)设计基于MEEMD组合模型的外汇交易策略,运用MEEMD组合模型对汇率收盘价序列进行学习并划定自适应交易阈,对比每日价格与自适应交易阈值选择交易策略,测定交易策略在不同汇率中的收益情况,确定交易策略在不同市场中的性能。