基于相空间重构与卡尔曼滤波计算组合的汇率时间序列预测

汇率在宏观经济政策、商业经营和个人决策制定上的作用越来越重要,这种重要性使汇率预测成为了国内外学者研究的热点。然而,汇率系统是一个复杂的系统。自从1973年布雷森林体系解体以来,汇率波动的频繁性和不稳定性与日俱增。汇率预测也变的更加困难,传统的汇率决定理论如购买力平价说、汇率决定的国际收支说、资产市场分析法等基于线性模型的基础上建立发展起来的线性方法,不能很好的解释汇率的变化规律。然而,非线性研究的发展将汇率预测研究推向了一个新的阶段。神经网络、分形、混沌理论及非线性组合模型方法被广泛的用于汇率预测研究中。神经网络模型是非线性系统研究的热门工具,具有良好的非线性逼近能力,但由于神经网络模型的结构较复杂,是在学习输入输出样本的基础上获得的,缺乏可靠的数学表达形式及全局逼近的问题求解方式,使其具有收敛速度慢、准确率不高的缺陷。收敛速度慢的不足,导致神经网络不能很好的应用于超短期汇率的在线跟踪预测。 为此,本文采用相空间重构与卡尔曼(Kalman)滤波计算组合的方法来进行短期及超短期汇率预测。目的是建立一种更适合超短期的汇率预测模型,力求在准确率及速度上均优于以神经网络为主的预测模型。数据样本选择的是2003年1月1日至2003年5月16日的欧元对美元日收盘价﹑2003年1月1日至2004年1月1日欧元对美元周平均收盘价和2006年5月26日13:55至23:58的1066条美元港币即时卖出价三组数据。作为比较,本文实现了遗传(GA)神经网络汇率预测模型及BP神经网络预测模型,并对这三组汇率数据进行了仿真预测。然后,将本文提出的基于相空间重构与卡尔曼(Kalman)滤波计算组合的模型和BP神经网络模型及GA神经网络模型进行了对比研究。实践表明,基于相空间重构与卡尔曼滤波计算组合的汇率预测模型,在预测准确率及速度上均优于神经网络预测模型;速度上更能满足在线预测的实时性要求。此外,本文采用.NET开发平台﹑C#.NET和MATLAB设计并实现了汇率信息服务与预测系统,为用户提供了丰富的汇率信息服务和汇率预测,具有很好的实践意义。