遺傳算法與神經(jīng)網(wǎng)絡(luò)在匯率預(yù)測(cè)中的應(yīng)用.pdf

1、經(jīng)濟(jì)系統(tǒng)是一個(gè)復(fù)雜的非線性系統(tǒng)，經(jīng)濟(jì)系統(tǒng)內(nèi)部的非線性相互作用造成宏觀經(jīng)濟(jì)變量的不規(guī)則漲落。匯率的形成機(jī)制也是一個(gè)非線性系統(tǒng)，具有高度的復(fù)雜性，因此難以用準(zhǔn)確的數(shù)學(xué)模型來(lái)解決。因而我們希望能夠建立一個(gè)參數(shù)隨著預(yù)測(cè)環(huán)境的變化而變化的非線性模型，人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeural Net-ANN)方法為這一問(wèn)題的解決提供了可能性，它的“黑箱”策略忽略了對(duì)非線性方程的判定，可以直接利用網(wǎng)絡(luò)的輸入輸出變量進(jìn)行網(wǎng)絡(luò)訓(xùn)練和修正，來(lái)確定宏觀

2、經(jīng)濟(jì)變量的相互作用和影響，達(dá)到預(yù)測(cè)的目的。 并且由于在金融系統(tǒng)中，訓(xùn)練信號(hào)是模糊的，數(shù)據(jù)是有噪聲的，一般很難正確給出每個(gè)執(zhí)行的定量評(píng)價(jià)。為了克服這些困難，提高系統(tǒng)性能，可以采用遺傳算法(Genetic Algorithm-GA)來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)。 本文針對(duì)匯率變化的非線性特征與經(jīng)典BP人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)應(yīng)用上的缺陷，對(duì)BP網(wǎng)絡(luò)模型進(jìn)行了改進(jìn)，并利用遺傳算法來(lái)優(yōu)化誤差反向傳播(Error back Propagation-B