从1978年改革开放以来,特别是在1984年中国人民银行开始执行中央银行职能以后,中国金融体制发生了巨大的变革.中国人民银行确定"保持货币值的稳定,并以此促进经济增长"的货币政策的目标,就是说货币政策的目标是抑制国内通货膨胀和保持人民币汇率的稳定并促进经济的发展.而模拟一个稳定的货币需求函数一直是中央银行制定和实施货币政策的一个重要前提,这是因为央行在掌握稳定的货币需求函数后就可以很好地估计出货币投放总量变化对总产出、利率水平以及物价水平等宏观经济变量的影响大小,从而有效地实现货币政策目标.研究货币需求与经济增长、利率、通货膨胀和汇率间的定量关系,建立一个稳定的货币需求函数,就是该文的目的.该文首先阐述了有关的货币需求理论,分析了与中国货币需求有关的变量.接着利用传统的线性回归建立中国货币需求函数,通过测算检验值发现方程存在一阶自相关,于是对模型重新界定.通过单位根检验和协整分析,建立了中国线性的货币需求函数误差校正模型,它克服了所谓的"伪回归"现象,提高了方程的解释性,但其短期方程的拟合度不高,预测效果不理想.原因是建模时遗漏了宏观经济中的一些非线性因素,于是该文提出了利用人工神经网络建立非线性的中国货币需求函数.考虑到纯粹利用人工神经网络预测我国的货币需求,虽然预测精度较高,但却没有任何的经济解释意义.于是,模仿英国Hendry和Escribano的三项式非线性协整与误差校正模型,将人工神经网络运用到误差校正模型的短期方程中,这样既有较高的预测精度,又有一定的经济解释意义.运用人工神经网络与协整误差校正模型,该文得到了一个简洁的非线性中国货币需求函数模型,预测结果表明该模型是成功的.尽管近年来金融部门和金融体制经历了巨大变化,但该货币需求函数的拟合度较好,表明该模型在某种程度上是"稳健"的.