22、使用机器学习预测外币汇率

使用机器学习预测外币汇率

1. 引言

在当今商业世界中，全球各国通过贸易（即进出口活动）联系日益紧密。汇率在交易期间以结构化和连贯的方式进行货币交易时起着至关重要的作用。外汇市场是世界上最具流动性和规模最大的金融市场，而汇率预测是现代时间序列预测中一项具有挑战性的应用，对许多公司和金融机构的成功至关重要。

由于汇率本质上具有确定性不稳定、嘈杂和非平稳的特点，通常认为历史数据包含了所有这些行为，因此历史数据是预测过程中的主要信息来源。目前有多种预测技术，它们基于不同的假设、数学框架和模型参数。而找到适合特定预测挑战的方法对于获得更好的结果至关重要。

机器学习方法在计算机科学的多个应用领域都很有用，包括商业决策、工厂链管理、股票预测等。其主要目标是教会计算机从给定的数据集中学习对数据进行分类。监督学习技术作为机器学习的一部分，可以帮助用户评估来自各种来源的大量数据，并在商业世界中提取有价值的知识。例如，根据交易中的货币汇率数据，监督学习可以预测一段时间内的汇率波动。

监督分类是一种机器学习模型，用于有效地构建将相关数据 x 与目标标签 y 联系起来的统计函数 f: x–y 。分类器的目的是利用历史数据来预测期望的结果。对于分类和回归任务，几乎都会使用监督学习方法，这些方法借助人工智能技术（如人工神经网络、逻辑系统和遗传算法）来开发智能系统。如果目标变量 y 是名义或离散的类别形式，该任务称为分类；如果 y 是连续的，则称为回归。

支持向量机（SVM）是一种监督式机器学习算法，是一种现代且强大的从数