卷积神经网络在外汇汇率预测中的应用

该文档是关于使用卷积神经网络（CNN）进行外汇汇率预测的研究，主要探讨了在经济全球化背景下，外汇汇率预测的重要性及其面临的挑战。研究中，作者选取了三种主要货币对——人民币兑美元（CNY/USD）、欧元兑美元（EUR/USD）以及英镑兑美元（GBP/USD）的历史日收盘价数据，时间跨度为2005年1月至2019年12月。 文章指出，由于影响汇率变动的因素复杂多变，外汇汇率预测被视为一个非线性问题。传统的浅层神经网络和计量经济模型在处理这类问题时可能遇到困难，而CNN则能更好地应对非线性关系。为此，研究建立了一个结合CNN和计量经济模型（VAR-VECM）的组合模型（VAR-VECM-CNN），并与单独的计量经济模型（VAR-VECM）、人工神经网络模型（ANN）以及一个基于ANN的组合模型（VAR-VECM-ANN）进行了对比。 为了评估模型的预测性能，研究采用了时间序列预测中常用的三个评价指标：均方根误差（RMSE）、平均绝对百分比误差（MAPE）和方向精度（DA）。通过比较这些指标，结果显示基于CNN的组合模型（VAR-VECM-CNN）在预测外汇汇率方面表现优于其他模型，证明了CNN在这一领域的应用价值。 关键词涉及的关键技术包括卷积神经网络、人工神经网络、向量自回归模型（VAR）和向量误差修正模型（VECM），这些都是现代金融预测和数据分析的重要工具。这项研究强调了深度学习方法，尤其是CNN，对于提高外汇汇率预测准确性的潜力，为金融市场的决策者提供了有力的预测工具。