4、外汇汇率预测的稳健动态增强神经预测模型

外汇汇率预测的稳健动态增强神经预测模型

1. 引言

在当今高度互联的国际经济中，准确及时地实时预测外汇市场对商业、社会和政治都具有重要价值。外汇市场是世界上最复杂的动态系统之一，为国际经济提供了基础支持。因此，科学家、经济学家、政府和各种金融实体都对开发准确有效的模型来预测该系统很感兴趣。

传统上，金融经济学家主要使用金融计量经济学模型来研究外汇市场的动态行为，但这些模型由于其参数假设的局限性和缺乏复杂的动态结构，无法捕捉大数据中固有的动态结构。因此，使用更先进、智能的分析和建模工具以及机器学习方法来研究外汇系统具有很大潜力。

人工神经网络（ANNs）由于其数据驱动的性质、通用逼近能力、强大的捕捉数据非线性和并行性的能力，被认为是解决这一任务的有前途的方法。在外汇市场建模和预测文献中，最广泛研究和应用的ANNs是多层前馈神经网络和基于反向传播算法（BP）训练的递归神经网络。然而，在当今金融领域，纳入现实世界自动交易系统的预测模型需要能够高频实时更新，并在动荡的市场条件下提供更准确的预测。在这种情况下，BP 基于的神经预测模型的缓慢收敛和对初始化的高敏感性限制了其在金融预测任务中的有效应用。

极限学习机（ELM）提供了一种有前途的替代方案，它将 ANN 训练问题从复杂的非凸优化问题转化为简单的范数最小化线性优化问题，同时保持网络的通用逼近能力。由于其优点，已经开发了几种基于 ELM 的 RNN 模型用于外汇汇率预测。特别是，一种具有输出反馈连接的基于 ELM 的递归神经网络——动态神经网络（DNN），在捕捉动态过程的复杂动态特征方面表现出了良好的性能。

本文基于改进的 DNN 开发了一种稳健、准确的神经预测模型，用于外汇市场预测任务。该模型由