8、使用神经网络模型探索货币-价格关系

使用神经网络模型探索货币-价格关系

1. 引言

在经济学领域，尤其是宏观经济学中，货币供应量与通货膨胀之间的关系一直是研究的核心问题之一。近年来，随着人工智能技术的发展，神经网络模型逐渐成为研究这一关系的重要工具。特别是聚合前馈神经网络（Aggregate Feedforward Neural Network, AFFNN），因其强大的学习能力和灵活性，在探索货币-价格关系方面表现出色。

2. AFFNN的基本原理

AFFNN是一种基于连接主义的通用模型，旨在协助数据挖掘活动。它通过学习Divisia成分数据，揭示货币供应增长率与通货膨胀之间的关系。Divisia成分数据是指通过加权计算得出的货币总量，能够更精确地反映货币的实际价值。AFFNN的设计和使用非常直接，它能够有效地学习编码的Divisia成分和通货膨胀数据之间的关系。

2.1 AFFNN的架构

AFFNN是一个全连接的前馈连接模型，依赖于传统的监督训练算法。最常用的架构包含一个单个隐藏层，具有经验确定的隐藏层节点数。输入层和输出层具有相同数量的节点，由编码所有K属性的向量的大小表示。AFFNN允许用户选择几乎任何监督训练算法和性能函数。

表1. AFFNN架构示例

输入层节点数	隐藏层节点数	输出层节点数
43	15	43