混合智能：ELM-Jaya模型提升外汇汇率预测精度

本文主要探讨了"ELM-Jaya模型：汇率预测中的混合智能机器学习方法与性能比较"这一主题，它发表在沙特国王大学学报上，由Smruti Rekha Das Dad、Debahuti Mishra和Minakhi Rout三位作者合作完成。研究焦点在于利用极限学习机(ELM)和Jaya优化技术结合，构建了一种新颖的混合智能机器学习模型来预测货币汇率，特别关注的是美元对印度卢比和美元对欧元的汇率。 ELM是一种特殊的函数连接人工神经网络(FLANN)，它具有快速训练和良好的泛化能力，对于非线性复杂问题有出色的表现。Jaya算法则是一种生物启发式优化算法，其灵感来源于蜜蜂和乌鸦的社会行为，能够有效地搜索解空间。通过结合这两种技术，研究人员设计的模型能够在不同的时间范围内（从1天到1个月），同时考虑统计指标、技术指标以及它们的组合，来提高预测精度。 该研究将ELM-Jaya模型与现有的优化神经网络和功能链接人工神经网络进行比较，评估其预测性能。评估指标包括平均绝对百分比误差(MAPE)，Tylor's U检验，平均绝对偏差(MAE)和调整相关系数(ARV)等，以全面衡量模型的准确性、稳定性及一致性。结果表明，ELM-Jaya模型在技术指标上的表现优于统计指标和两者结合的情况，特别是在处理高波动性和复杂关联的外汇数据时，显示出显著的优势。 研究结论指出，ELM-Jaya模型对于实时和准确的汇率预测具有潜力，为金融市场的参与者提供了有效的工具。然而，进一步的研究可能需要考虑更多的影响因素和改进模型的鲁棒性，以应对不断变化的经济环境。此外，本文的开放获取性质，使得其他学者可以在CC BY-NC-ND许可下自由地引用和扩展这项工作，推动了智能机器学习在金融市场预测领域的持续发展。