超短期匯率的預(yù)測研究

1、趙短期匯率的預(yù)測研究集團(tuán)文件版本號：(M928-T898M248WU2669I2896DQ586M1988)超短期匯率的預(yù)測研究摘要：提出了一種適合超短期匯率預(yù)測的模型方法。實(shí)驗(yàn)數(shù)據(jù)通過網(wǎng)絡(luò)獲取, 模型采用的是相空間重構(gòu)與卡爾曼濾波計(jì)算的方法來對超短期匯率數(shù)據(jù)進(jìn)行建模 和預(yù)測，并與BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，所建立的模型方法能 很好地跟蹤即時(shí)匯率變化趨勢，預(yù)測精度比較高，且算法運(yùn)行速度比BP神經(jīng)網(wǎng)絡(luò) 模型快得多。最后，給出了在.NET環(huán)境下實(shí)現(xiàn)了匯率在線預(yù)測的全部過程。關(guān)鍵詞：超短期匯率預(yù)測；數(shù)據(jù)獲取；相空間重構(gòu)與卡爾曼濾波；在線預(yù)測中圖分類號:TP39;TP182文獻(xiàn)標(biāo)識碼:A

2、文章編號:1001-9081 (2007) 04-1009-040引言超短期匯率預(yù)測是指預(yù)測一天內(nèi)匯率的變化趨勢，它對外匯市場上的日常交 易來說是非常必須的。目前，匯率交易是全球全天24h通過網(wǎng)絡(luò)進(jìn)行的，不同時(shí) 段的交易獲利不同。因此，對企業(yè)經(jīng)營和個人炒匯來說，匯率即時(shí)數(shù)據(jù)的跟蹤是 十分有意義的。就目前匯率預(yù)測研究方法來看，最熱門的工具是神經(jīng)網(wǎng)絡(luò)方法， 神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力，是非線性系統(tǒng)研究的好方法。但是，神經(jīng) 網(wǎng)絡(luò)是在學(xué)習(xí)輸入輸出樣本的基礎(chǔ)上獲得的，靈活性高，但缺乏可靠的數(shù)學(xué)表達(dá) 形式，而且現(xiàn)有的學(xué)習(xí)算法收斂速度比較低，難以滿足在線學(xué)習(xí)的要求1。卡爾 曼濾波是一種可用于非線性系統(tǒng)

3、的濾波算法，具有最優(yōu)估計(jì)性能，其遞推計(jì)算形 式及算法實(shí)現(xiàn)主要是矩陣的加減、乘除及求逆等計(jì)算量不大的特征，使其適合實(shí) 時(shí)處理的需要。根據(jù)以上的分析，本文利用卡爾曼濾波方法，提出了一種適合超短期匯率預(yù) 測的模型。模型所采用的卡爾曼濾波器的初始狀態(tài)通過相空間重構(gòu)成技術(shù)得到。 文中實(shí)現(xiàn)了銀行網(wǎng)站即時(shí)匯率的接收及存儲，為本文預(yù)測模型提供實(shí)驗(yàn)數(shù)據(jù)來源。1實(shí)驗(yàn)數(shù)據(jù)的獲取1.1數(shù)據(jù)獲取及存儲本文的數(shù)據(jù)是從某銀行網(wǎng)頁獲取的，如圖1所示，中國銀行福建分行主頁面 的右下角（紅圈圈住的地方）是匯率報(bào)盤。數(shù)據(jù)獲取的目的就是獲取此頁面的匯 率報(bào)盤數(shù)據(jù)并存入數(shù)據(jù)庫中。獲取的整個過程如圖1所示。1. 2數(shù)據(jù)獲取的界面及主要實(shí)

4、現(xiàn)代碼2超短期匯率模型的建立2. 1相空間重構(gòu)技術(shù)在時(shí)間序列的分析中，決定序列的可觀測因素很多。而且相互作用的動力學(xué) 方程往往是非線性的，其至是混沌的。同時(shí)，因測量精度的實(shí)際限制、計(jì)算的復(fù) 雜性，以及可能存在的本質(zhì)上的非確定性因素等多方面的困難，嚴(yán)重制約著人們 對時(shí)間序列內(nèi)在機(jī)制的理解。20世紀(jì)80年代以來，由于Takens對Whitney早 期在拓?fù)鋵W(xué)方面工作的發(fā)展，使得深入分析時(shí)間序列的背景和動力學(xué)機(jī)制成為可 能。在確定性的基礎(chǔ)上，對序列動力學(xué)因素的分析，目前廣泛采用的是延遲坐標(biāo) 狀態(tài)空間重構(gòu)法。一般來說，非線性系統(tǒng)的相空間可能維數(shù)很高，共至無窮，但 在大多數(shù)情況下維數(shù)并不知道。在實(shí)際問題

5、中，對于給定的時(shí)間丿芋列，通常是將 其擴(kuò)展到三維我至更高維的空間中去，以便把時(shí)間序列中蘊(yùn)藏的信息充分地顯露 出來，這就是延遲坐標(biāo)狀態(tài)空間重構(gòu)法，其具體描述如下：相空間重構(gòu)的關(guān)鍵在于嵌入維數(shù)m和時(shí)滯t的確定，目前，確定嵌入維數(shù)m 的常用方法有偽最近鄰法、奇異值分解法；確定時(shí)滯t的方法主要有自相關(guān)函數(shù) 法及互信息量法。但這些方法存在一定的缺陷。偽最近鄰點(diǎn)法的結(jié)果會受到閾值 的影響；奇異值分解的結(jié)果依賴于超空間維數(shù)的選擇，利用奇異值分解法確定的m 不僅可能會隨著超空間維數(shù)的不同而不同，而且可能會隨著數(shù)據(jù)長度N的不同而 不同；在相關(guān)維計(jì)算法中，取數(shù)據(jù)矢量間的歐氏距離值的第一個到達(dá)平穩(wěn)時(shí)的m 估計(jì)嵌入維

6、數(shù)。但欠量間的歐氏距離值可能達(dá)不到平穩(wěn)，這時(shí)就無法求得m；另一 方面，確定時(shí)滯的典型方法自相關(guān)和互信息法雖然具有計(jì)算量小等優(yōu)點(diǎn)，但計(jì)算 結(jié)果具有不一致性3。2. 2基于單步預(yù)測的卡爾曼濾波計(jì)算過程卡爾曼濾波是一種統(tǒng)計(jì)估算方法，主要思路是：預(yù)測方程中的回歸系數(shù)是隨時(shí) 間變化的。預(yù)測每向前延伸一步，都將預(yù)測結(jié)果與觀測結(jié)果進(jìn)行比較，其差別（預(yù) 測誤差）將以適當(dāng)?shù)姆绞椒答伒交貧w系數(shù)的變化方程中去。通過利用前一時(shí)刻預(yù)測 誤差的反饋信息來及時(shí)修正預(yù)測方程，以提高下一時(shí)刻的預(yù)測精度?？柭鼮V波 方法不論預(yù)測次數(shù)（或量測次數(shù)）如何增加，不需要存儲大量歷史的量測數(shù)據(jù)，減 少了計(jì)算機(jī)的存貯，而且只進(jìn)行矩陣的加、減

7、、乘、除和求逆運(yùn)算，通常計(jì)算量 不大，從而滿足了應(yīng)用濾波的實(shí)時(shí)性要求。2. 3預(yù)測模型的建立在卡爾曼的應(yīng)用中，輸入向量過程：觀測值=y（1）, y（2） , , y（n） o 狀態(tài)向量為x（n）,濾波器是通過對狀態(tài)向量的遞推計(jì)算得到未來狀態(tài)的估計(jì)值。 因此，濾波器初始狀態(tài)向量的選取對預(yù)測結(jié)果的影響具有關(guān)鍵的意義。大量的研 究表明，經(jīng)濟(jì)時(shí)間丿子列是混沌的。可以用混沌時(shí)間序列的知識來確定濾波器初始 狀態(tài)向量的維數(shù)及向量分量的構(gòu)成。對給定的匯率時(shí)間序列，求得序列的最優(yōu)嵌 入維數(shù)和最佳時(shí)滯，把最優(yōu)嵌入維數(shù)作為濾波器初始狀態(tài)向量的維數(shù)，把求得的 最佳時(shí)滯作為初始狀態(tài)向量分量的時(shí)間間隔。 可執(zhí)行程序mat

8、 web. exe。動態(tài)數(shù)據(jù)的交換過程就是由網(wǎng)關(guān)接口程序matweb和用戶 編制的Mat lab應(yīng)用程序協(xié)作完成的6。在進(jìn)行動態(tài)數(shù)據(jù)的交換時(shí)，輸入數(shù)據(jù)通過網(wǎng)頁以表單的形式發(fā)送到通用網(wǎng)關(guān) 接口程序。通用網(wǎng)關(guān)接口程序收到輸入數(shù)據(jù)后，分析輸入數(shù)據(jù)，調(diào)用與之對應(yīng)的 Mat lab的M文件。這時(shí)，通用網(wǎng)關(guān)接口程序?qū)⒗孟到y(tǒng)的Matlab服務(wù)，進(jìn)行 Mat lab運(yùn)算，得到輸出或繪制輸出圖形，并將結(jié)果返回。從而完成動態(tài)數(shù)據(jù)的交 換過程。圖8是基于.NET和Matlab動態(tài)數(shù)據(jù)交換的匯率在線預(yù)測過程。5結(jié)語匯率對國家經(jīng)濟(jì)、企業(yè)經(jīng)營和個人投資來說都十分重要，匯率預(yù)測的研究一 直是國內(nèi)外學(xué)者研究的熱點(diǎn)。隨著越來越多人把匯率買賣當(dāng)作一種投資，個人對 匯率知識的獲取及對其行為規(guī)律的把握越來越強(qiáng)烈。因此，超短期匯率預(yù)測的研 究對匯率日常交易