典型文献
基于CEEMDAN与LSTM的人民币汇率分析与预测
文献摘要：
由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一.本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率.首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列分解为若干不同频率的分量序列;接着通过Hilbert谱分析和相关统计方法确定高频、低频和趋势等三种结构分量,并将高频分量序列合并优化为一个新的分量序列;然后运用长短时记忆神经网络(LSTM)模型分别对各分量进行预测;最后将这些预测结果集成得到汇率的最终预测结果.本文以美元、欧元、英镑和日元兑人民币4种汇率为研究对象,研究发现:1)4种汇率的价格及波动受趋势分量和低频分量的影响较大,受高频分量的影响较小;2)欧元、英镑和日元兑人民币汇率受随机波动的影响要远大于美元兑人民币汇率所受到的影响,对短线投资者和机构来说,相比美元兑人民币汇率,关注另外三种汇率的高频分量可能具有更重要的意义;3)对比了其它10种模型(包括5种综合模型和5种单一模型)的预测结果,本文所提出的模型无论在预测精度还是在预测方向准确率上,表现都是最佳的,也充分说明该模型预测的有效性.此外,本文所提出的研究方法框架对其它金融时间序列的研究也具有一定的借鉴和参考价值.
文献关键词：
自适应噪声完备经验模态分解;长短时记忆模型;人民币汇率预测
中图分类号：
作者姓名：
熊志斌
作者机构：
华南师范大学数学科学学院,广东广州510631
文献出处：
引用格式：
[1]熊志斌-.基于CEEMDAN与LSTM的人民币汇率分析与预测)[J].数理统计与管理,2022(03):507-525
A类：
CCEMDAN,人民币汇率预测
B类：
CEEMDAN,汇率波动,金融领域,基于分解,综合研究,分析预测,自适应噪声完备经验模态分解,序列分解,不同频率,Hilbert,关统,统计方法,结构分量,高频分量,长短时记忆神经网络,欧元,英镑,日元,低频分量,随机波,远大于,美元兑,短线,投资者,比美,综合模型,充分说明,方法框架,金融时间序列,长短时记忆模型
AB值：
0.283239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
