论文基于BP神经网络人民币汇率预测分析是关于本文可作为相关专业神经网络论文写作研究的大学硕士与本科毕业论文神经网络模型论文开题报告范文和职称论文参考文献资料。
摘 要 在经济全球化的形势下,汇率是影响中国整个经济领域的重要因素.因此,对人民币/美元汇率进行预测分析是十分必要的.本文以中国1985～2014年的人民币/美元汇率为数据样本,通过BP神经网络模型对汇率进行预测分析.结果表明,未来人民币/美元汇率呈缓慢增长趋势.虽然,目前美联储加息逐渐增强、美元指数上涨,给人民币汇率带来贬值压力,但据预测结果来看,预估人民币持续大规模贬值的可能性不大.
关键词 BP神经网络 汇率 预测
一、引言
随着国际经济一体化的迅速发展,汇率作为各国货币兑换的量尺,在各国的经济往来中起到了不可或缺的作用.在浮动汇率制度下,汇率波动幅度大、变化突然、波动频繁的特征.各国汇率变动均会对国内外经济均衡产生深远影响.为此,研究汇率的动态行为特征并对汇率变化进行准确的预测分析,对国家经济发展具有重要意义.新中国成立初期,我国采用固定汇率制度,汇率体制缺乏弹性.改革开放以来,国家开始进行汇率制度改革,逐渐发展到以市场供求为基础、参考一篮子货币进行调整、有管理的浮动汇率制度.自我国汇率体制改革以来,人民币汇率逐步趋于稳定,波动频率与幅度相对较小,由于基本经济因素仍在不断变化,使用传统的汇率决定模型将会存在较大的问题和困难.因此,本文利用神经网络模型对汇率进行训练模拟、预测分析,取得了较好的拟合效果.
二、神经网络模型
BP（Back Propagation）神经网络是一种按误差逆传播算法训练的多层前馈网络,在神经网络模型中使用较为广泛.
BP神经网络工作的依据为：将输入学习样本对应向前面传播,在隐藏层对应节点处通过相应功能函数对其作用后,将隐藏层中相应的隐藏节点信号传输出去,一直传递到输出层对应的输出节点处,即可得到相应输出的结果.由于BP神经网络的这一系列工作机制及特点,使用该模型对汇率进行预测分析是相对精确的.
(一)预测效果的评价指标
由于神经网络模型的特性,无法使用计量经济学中常见的检验指标检验其训练效果.因此,本文将采用均方误差作为判断神经网络预测的性能指标.
设T为真实汇率值,a为预测汇率值,Q为长度,通过具体运算得到输出值.本文将使用均方误差（MSE）作为预测效果的评价指标,如下式：
（1）
MSE值越小则拟合效果越好.由于将误差进一步扩大后,MSE仍很小,则其反映出相对精确的实验结果,因此将其作为汇率预测的评价指标.
(二)过拟合问题与泛化能力
汇率数据序列中存在复杂的非线性特征,而神经网络是非线性模型的代表,被众多的学者应用到汇率预测中,而且研究表明其预测效果比传统的预测效果好.但神经网络在预测过程中容易出现过拟合现象,进而会影响预测的泛化能力.
因此,在进行预测分析前,对数据进行归一化处理是十分重要的.首先将数据转换为0～1之间的数据,在实验后利用反归一化进行数据还原.对真实汇率数据进行简单的处理,可以有效防止在预测过程中出现的过拟合现象.
三、汇率理论及预测
汇率,是指不同国家间进行货币互兑的价格,它是货币的价格.一般又可划分为实际和名义两种汇率.二者分别是指两国间商品的相对价格与货币的相对价格,且能够相互转换.它们之间的数量关系可表示为：名义汇率等于实际汇率*外国商品价格/本国商品价格.
想要全面理解汇率波动的特征,除了需要全面把握和分析汇率决定理论以外,对于汇率制度的研究也非常重要,因为汇率制度直接决定汇率怎样变化和变化的幅度.传统观点认为,浮动汇率制会带来剧烈的汇率波动,并影响到国际经济领域的正常运行.为了减少汇率风险,了解汇率波动情况,预测分析汇率是相对有效的办法.
(一)数据收集
改革开放以来我国进行汇率体制改革,取得显著成效.随着汇率体制改革,人民币汇率逐步趋于稳定,但改革之初汇率浮动比例仍相对较大.由于基本经济因素仍在变化,每年的汇率总会有所波动.本文选取1985～2014年30年间的汇率数据作为样本数据,模型样本数据见表1.
从表1中我们可观察到前十年的汇率波动幅度较大,之后数年汇率的波动情况逐步趋于稳定,2008年遭受金融危机,汇率开始有所下降.随着全球经济复苏,我国汇率在另一个数据区间又逐步趋于稳定.
(二)预测分析
实验中对样本数据进行处理后,利用BP神经网络模型对汇率数据进行训练,并绘制出真实汇率和模拟汇率曲线,（如图1）我们可以直观清晰地观察实际数据与训练数据的差异.这两条汇率曲线是较为吻合的,只有在峰值突出的地方差异略为显著.
本文采用平均误差作为判断神经网络预测的评价指标.根据实验结果可得平均误差率仅为0.046407%,表明该误差在可接受范围内.由误差率可得,在汇率数据变化激增时误差变化相对较大,其余误差均相对较小,说明该模拟曲线和原始曲线的拟合效果较好.根据实验结果还可得到平均准确率为92.1%,预测结果较为精准.
基于上述两个神经网络预测效果评价指标表示,该模型应用于汇率的预测分析是合理的.它可以较为精确的拟合出预测曲线,并求出结果.在本文中对2015～2017年的汇率进行了预测,这三年的预测值分别为648.0326、667.7332、681.4492.预测曲线如图2所示.
由于引起汇率波动的因素很多,对其未来的波动变化情况做出预测是件困难的事.有些模型虽然可以实现对历史数据较好的拟合,但预测能力较弱.本文将1985年～2014年30年间的数据作为检验数据,以样本均方误差MSE作为预测精度的评价指标,利用神经网络模型进行预测,该模型不仅在拟合程度上而且在预测方面也表现良好.由于其他经济因素仍在不断发生变化,预测值会与真实值稍有出入.
四、结语
本文主要针对BP神经网络进行简要介绍,利用BP神经网络算法对人民币/美元相关汇率波动序列进行了对应预测,给出了相应分析,并比较模型样本与对应样本拟合相关预测效果,简要总结得到以下结论.通过预测结果分析得出：虽然人民币升值的压力很大,但不会出现大规模贬值的状态,应加快汇率形成机制的改革,同时应降低美元储备的比例.
由于我国改革开放程度的不断深化,汇率在我国整个经济领域中的作用越来越重要,人民币汇率动态行为也将出现越来越多的新特征,因此,对人民币汇率的研究范围和深度也将逐渐日益扩大.本文在现有的研究条件下,对人民币汇率的历史、现状和未来走势进行了分析,但仅限于人民币汇率单方面的考察,没有涉及汇率对其他宏观经济变量的影响和作用,也未能对汇率制度进行深入探讨,这些问题需要进一步完善与研究.
（作者单位为重庆工商大学电子商务及供应链系统重庆市重点实验室）
参考文献
[1]晗蕾.基于GARCH模型的人民币汇率走势预测[J].时代金融,2013（05）.
[2]丁晖.基于神经网络模型的人民币汇率预测研究[D].河南大学,2008.
[3]金艳凤.基于BP神经网络的汇率预测模型研究[D].武汉理工大学,2013.
[4]李旭帅.基于神经网络的汇率预测研究[D].南京航空航天大学,2005.
[5]戴晓枫,肖庆宪.时间序列分析方法及人民币汇率预测的应用研究[J].上海理工大学学报,2005（04）.
[6]孙叶萌.汇率决定理论与汇率预测[D].吉林大学,2008.
总结:本文是一篇关于神经网络论文范文，可作为相关选题参考,和写作参考文献。
参考文献：
1、 以河南和四川为例基于matlab的BP神经网络预测第一产业增加值 随着社会的发展，人们改造自然，利用自然的能力和效率不断提高。本研究的目的是为了探讨自然和人类活动对人们生产的影响。考虑到自然的数据是非线性的，传。
2、 基于改进BP神经网络锅炉过热器管壁温度预测 摘 要：由于电站锅炉受热管壁长期处于高温状态，当其温度超过所用钢材的许用温度或因长期高温发生蠕变，便会引发各种运行事故。本设计以府谷某电HG-2。
3、 基于BP神经网络突发传染病舆情热度趋势预测模型 〔摘要〕[目的 意义]研究突发传染病舆情热度的发展趋势，能够为制定舆情引导策略提供参考，具有重要的理论意义。[方法 过程]本文首先构建微博舆情热。
4、 基于BP神经网络高水平女子100m栏专项成绩预测模型 摘要：运用Matlab仿真分析平台，采用人工神经网络函数映射方法，根据我国100 m栏运动员刘静1995—1998年的专项素质数值，构建并选用合。
5、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。