导读:本文包含了汇率预测系统论文开题报告文献综述及选题提纲参考文献，主要关键词:汇率预测,动态神经网络,智能预测系统
汇率预测系统论文文献综述
樊柏强[1]（2014）在《基于BP神经网络汇率预测智能系统的开发与设计》一文中研究指出自央行在2005年宣布对人民币汇率将实行“以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度”以来，我国多币种的各类交易和结算都不同程度的会受到汇率波动的影响，面临由汇率波动带来的风险，如何准确地预测汇率变动的方向和程度是外汇风险管理的基础。因此，汇率预测对于企业提升汇率风险管理水平意义重大，可通过汇率预测增强自身适应汇率浮动和应对汇率变动的能力。近些年，汇率预测领域充斥着各类非模型的方法，以人工神经网络模型运用最广。研究以神经网络为切入点，借助其较强的自学习、联想、识别等功能，收集数据训练网络，用其算法建立数学模型进行预测。BP神经网络是其中最具代表性且运用相当广泛的一种按误差逆传播算法训练的多层前馈网络。在通过学习历史数据和训练了数据的生成机制后，继而提供了汇率预测的样本内拟合程度。预测准确性的提高，在外汇交易平台MetaTrade4中运用之后，即可得出预测效果并运用到真实环境中。研究以建立智能预测系统为研究对象，综述了当前汇率预测的主要研究方法，对建立智能预测系统提出一些拙见：第一、基于BP神经网络预测建模训练历史数据；第二、采用BP神经网络技术对交易策略中汇率变化趋势进行分析预测，效果显着；第叁、对于汇率预测系统进行了需求分析和系统设计；最后，给出MATLAB软件中实现BP神经网络技术预测汇率变化趋势的方法，并结合当前较常见的外汇平台MetaTrade4中所包含的MetaQuoteSLanguage4语言环境，讨论了如何构建(Expert Advisor. EA)。(本文来源于《湖南大学》期刊2014-10-01）
张渊渊,何佳,贾海云[2]（2011）在《改进的灰色系统理论在汇率预测中的应用》一文中研究指出研究汇率预测精度问题,汇率的变化受到政治、经济、物价和国民收入等多因素影响,存在非线性系统特征,波动性大。传统线性的预测方法预测精度和准确度低。为了解决以上问题,提出了一种改进的灰色系统理论汇率预测算法,根据灰色理论预测,首先建立了外汇汇率预测的GM(1,1)预测模型,同时并在此基础上建立改进的灾变灰色预测与回归预测的组合模型,并分别对外汇汇率进行了实证预测仿真,实验结果表明,提出的改进算法在中短期预测中取得较好效果,是一种有效的银行汇率预测算法。(本文来源于《计算机仿真》期刊2011年11期）
张宇[3]（2011）在《基于BP神经网络汇率预测的智能交易系统》一文中研究指出智能交易系统是现代计算机技术、网络通信技术和人工智能技术在金融交易市场上综合应用。当前世界范围内金融以及金融衍生品的交易主要方式都采用了电子交易方式,其主要内容是利用交易软件(计算机技术)和通过互联网(网络通信技术)实现各种金融产品的买卖、交割。随着人工智能技术的发展以及计算机、通信软件、硬件的升级改进和成本的降低,以前只能为大型金融机构所采用的计算机程序化交易系统愈来越多的走进了我们的日常生活中,众多的金融经纪机构纷纷采用新的软件来吸引广大投资者的参与,电子交易以其交易快捷、低成本、简单易行也越来越被中小投资者接受。在当代世界经济中,国际经济贸易往来是任何国家都不能离开的。伴随着商品、劳务以及资本在国际间的流动,各种为进行支付而跨越国界的货币运动就不可避免。国际经济交往形成外汇的供给与需求,外汇的供给与需求导致外汇交易,随着世界经济全球一体化趋势的不断加强,国际外汇市场也日益紧密地联系在一起。外汇市场作为世界上最大的金融交易市场,是广大投资者关注的重点目标市场。外汇市场是银行等金融机构、自营交易商、大型跨国企业参与的,通过中介机构或网络系统联结的,以各种货币为买卖对象的交易市场。它可以是有形的——如外汇交易所,也可以是无形的——如通过网络系统交易的银行间外汇交易。据国际清算银行最新统计显示,国际外汇市场每日平均交易额约为1.5万亿美元。外汇交易的参与者,按其交易的目的,可以划分为投资者和投机者两类,优秀的外汇投资者和投机者按照各自对外汇市场的理解,形成不同的交易风格和习惯。通过对交易者的行为具体分析,一般可分为以下几个步骤：1、打开交易软件,选定交易对象；2、监视该交易对象的变化趋势,寻找交易机会；3、如果符合交易条件,则进行相应开展买入或卖出交易;4、继续监视交易对象的变化趋势,寻找交易机会；5、交易条件满足,进行交易操作,计算盈亏核算,完成一次交易的循环；6、若继续交易,重复2→3→4→5步。从以上分析可看出,交易行为具有循环性,其核心是监视市场的变化、对交易条件有完整、成熟认知,无论哪种类型的交易者根本目的是为了保值和升值,这就需要交易者采取一套科学、理性、可行的交易策略和交易方式。自从外汇交易市场建立以来,积累了海量的行情数据和交易数据,数据挖掘是从大量数据中演绎、归纳知识的重要手段。通过数据挖掘,可以提炼出外汇市场发展变化的重要信息,对进行外汇交易有良好的指导意义。BP神经网络技术是一种重要的数据挖掘方法,从它诞生以来,以其良好的预测性能在各项领域中得到了广泛的应用。为了提高汇率预测的精确度和可靠性,新的方法和模型不断的出现。神经网络模型是一种数据驱动的模型,其原理是通过学习历史数据来识别数据的生成机制,并利用识别的生成机制来进行预测,神经网络方法的出现,极大地提高了汇率预测的样本内拟合程度,把汇率预测带入了一个新的阶段。本文以建立智能交易系统为研究对象,综述了当前汇率预测的主要研究方法,对建立智能交易系统提出一些见解,采用BP神经网络技术对交易策略中汇率变化趋势进行分析预测,给出在Matlab软件中实现BP神经网络技术预测汇率变化趋势的方法,并结合当前较常见的外汇平台MetaTrade 4中所包含的MetaQuotes Language4语言环境,讨论了如何构建(Expert Advisor.EA)。(本文来源于《安徽大学》期刊2011-10-01）
王映乔[4]（2007）在《基于神经网络的汇率预测及系统设计》一文中研究指出2005年7月21日,中国人民银行发布了《关于完善人民币汇率形成机制改革的公告》,宣布人民币汇率将实行“以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度”。这次人民币汇率形成机制改革的内容是:人民币汇率不再盯住单一美元,而是按照我国对外经济发展的实际情况,选择若干种主要货币,赋予相应的权重,组成一个货币篮子。同时,根据国内外经济金融形势,以市场供求为基础,参考一篮子货币计算人民币多边汇率指数的变化,对人民币汇率进行管理和调节,维护人民币汇率在合理均衡水平上的基本稳定。参考一篮子表明外币之间的汇率变化会影响人民币汇率,但参考一篮子不等于盯住一篮子货币,它还需要将市场供求关系作为另一重要依据,据此形成有管理的浮动汇率。在新的人民币汇率机制的大背景下,涉外企业和商业银行均将面临汇率波动的风险,其避险机制的建立和完善都必须与汇率改革同步进行。一方面,对于企业而言,由于企业在涉外经济、金融活动中,可选择多种货币进行交易和结算,人民币和外币汇率变动的风险将伴随企业经济活动的全过程,汇率风险的责任也将完全由企业承担。如果企业对汇率波动所带来风险认识不足、对汇率风险的防范不足或防范能力太弱,就可能遭受损失。另一方面,对商业银行而言,更富弹性的人民币汇率机制使得汇率的波动日益频繁,波动幅度进一步加大,银行的外币资本金,整体资产负债结构将随汇率波动而发生变化,外汇业务也将面临一定的风险:如结售汇业务中的即期和远期结售汇敞口头寸,就会因汇率波动而让商业银行遭受风险。因此,无论是企业还是银行,都需尽快提高自身的汇率风险管理的水平,掌握各种外汇避险工具和手段,增强自身适应汇率浮动和应对汇率变动的能力。汇率波动是产生外汇风险的决定性因素,预测汇率的波动方向和波幅,是确定风险大小和其危害程度的首要工作,因此,商业银行和涉外企业要对汇率风险进行防范和管理,首先需要准确的预测汇率变动的方向和程度,从而测定汇率风险的大小,然后据此制定相应的汇率风险管理策略。所以,汇率预测作为汇率风险管理的基础和前提,是汇率风险管理工作的重要步骤之一。传统的汇率预测方法基本上可以分为基于汇率决定模型进行汇率预测的基本分析法和根据汇率历史数据进行汇率预测的技术分析法,前者目的在于预测汇率变动的长期趋势,而后者更看中短期汇率变动趋势。近年来非模型(Model-free)方法逐渐被用于预测领域。其中人工神经网络(Artificial Neural Network-ANN)在经济系统中的应用日渐增多。神经网络领域研究的背景工作始于19世纪末和20世纪初,其本质是非线性动态系统,具有较强的自学习、联想、识别等功能,属于人工智能和系统工程科学的边缘科学。作为一种大规模并行处理的非线性动力系统,人工神经网络近年来在经济分析、最优化、预测等领域得到了大量的应用,取得了良好效果。用人工神经网络预测的基本思想是:首先收集数据去训练网络,然后用人工神经网络的算法去建立数学模型,最后进行预测。与传统的预测方法相比,人工神经网络预测具有许多优越性,如可以监视生产过程,确定因果关系,其精度较一般统计方法高等。另外,用神经网络方法进行计算的复杂性和计算量也低于一般统计方法。神经网络种类繁多,主要有前馈型、反馈型、随机型和自组织竞争型等。目前,误差反向传播神经网络,简称BP神经网络(Back Propagation),是神经网络中使用最为广泛的网络模型。BP神经网络是一种单向传播的多层前向网络,它无论在网络理论还是网络性能方面都已经非常成熟,其突出的优点就是具有很强的非线性映射能力和柔性的网络结构。本文正是在当前新的人民币汇率制度这一背景下,运用技术分析法,研究两种基于BP神经网络的汇率短期预测模型:其中一种为基于经济计量思想的汇率预测模型,另一种为基于汇率时间序列本身的汇率预测模型。最后将研究结论运用于中国人民银行模拟银行实验中心的项目:国家“十五”科技攻关课题“银行业信息化示范工程”(2001BA102A06)之“电子银行模拟系统”(2001BA102A06-04)专题,设计人民币/美元汇率短期预测系统模块,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。论文主要分为五章:第一章主要是关于汇率研究方面的内容。首先介绍了外汇和汇率的含义,然后简要介绍了当前的一些汇率决定理论,并根据这些汇率决定理论分析了影响汇率变化的因素。最后,介绍了汇率预测的基本方法并对当前人民币汇率预测的研究情况做了概述。第二章主要介绍了神经网络相关理论,并对本文的建模基础——BP神经网络做了详细介绍。首先介绍了神经网络的概念和其研究历史,分析了神经网络的基本原理,概括了神经网络的学习类型;然后列举了神经网络的分类和现今一些典型的神经网络模型,并对基于神经网络进行预测的研究现状做了综述;最后,本章详细介绍了BP神经网络模型。主要从BP神经网络的基本原理、算法的详细数学推导、网络模型的设计以及自身的特性和优缺点四个方面对其做了详细的描述。从而,为本文后期的汇率短期预测模型实证分析打下了良好的理论基础。第叁章主要研究了基于经济计量思想的BP神经网络模型对汇率的短期预测。首先对建模工具MATLAB7.0做了简要介绍,然后根据第二章的结论选取用于汇率预测的经济变量指标,对这些经济数据做了清洗和转换,并将经济数据以及汇率数据做了归一化处理。最后,应用MATLAB7.0软件,使用BP神经网络对样本数据进行建模,并对所建立的9个BP神经网络模型进行分析,得出结论:以经济计量建模思想为基础的人民币/美元汇率的BP神经网络模型,可以对汇率月度数值做出准确率较高的短期预测。第四章主要研究了汇率制度调整后这段时期,BP神经网络对每日人民币/美元汇率时间序列的预测情况。本章首先简要概括了基于神经网络的时间序列预测的研究现状,然后运用EVIEWS3.1软件分析了汇率数据样本的统计特性,采用滞后20期预测当前5期的方式从新对数据样本做了处理,得出新的样本空间。最后,运用BP神经网络对汇率时间序列建模预测,分析并比较所建立的9个网络模型,得出结论:BP神经网络模型,可以对每日人民币/美元汇率做出准确率较高的预测。第五章主要介绍了对人民币/美元汇率预测系统模块的设计。本章首先介绍了项目研究背景,然后用结构图和流程图的方式,形象的介绍了该系统模块的五个子模块,并详细介绍了BP神经网络选择模块的处理过程及设计流程。本文的主要工作:(1)本文根据2005年7月我国汇率制度调整这一宏观经济背景,分别尝试了基于经济基础变量和基于汇率时间序列数据本身两种方式,应用BP神经网络对汇率预测进行建模。对于第一种方式,本文比较并分析了将这次汇率制度调整纳入训练样本前后,BP神经网络对汇率的预测准确程度。考虑到一方面宏观经济指标的样本数据获取只能精准到月,另一方面我国刚进行汇率制度调整不久,调整后的宏观经济指标的样本较少,这些因素均可能影响BP神经网络预测的准确性,因此,本文又尝试了第二种预测方式。在第二种方式中,本文着重选取了汇率调整后的日汇率值作为样本空间,最后建模并得出结论:BP神经网络对汇率的短期预测准确程度较高。(2)本文最后还将研究结论运用于“电子银行模拟系统”的人民币/美元汇率短期预测系统模块的设计中,为整个电子银行模拟系统的功能扩展提供模型基础和系统设计。需要指出的是,为了问题的研究更具代表性,本文在汇率币种的选择上,只选取了人民币/美元的外汇牌价。在实际系统开发中,商业银行可根据其客户的需求加入其他币种的汇率预测,使其功能更加完善。(本文来源于《西南财经大学》期刊2007-04-01）
欧阳电平,许卫平[5]（1992）在《基于知识的外汇汇率预测系统设计》一文中研究指出本文介绍在PC Scheme Lisp支撑环境下开发的外汇汇率预测系统模型。讨论了运用程序设计技术和知识工程方法,设计和实现汇率预测中常用的图表法,以及用PCEST工具建造专家经验知识库的雏型。(本文来源于《计算机应用》期刊1992年02期）
汇率预测系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究汇率预测精度问题,汇率的变化受到政治、经济、物价和国民收入等多因素影响,存在非线性系统特征,波动性大。传统线性的预测方法预测精度和准确度低。为了解决以上问题,提出了一种改进的灰色系统理论汇率预测算法,根据灰色理论预测,首先建立了外汇汇率预测的GM(1,1)预测模型,同时并在此基础上建立改进的灾变灰色预测与回归预测的组合模型,并分别对外汇汇率进行了实证预测仿真,实验结果表明,提出的改进算法在中短期预测中取得较好效果,是一种有效的银行汇率预测算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
汇率预测系统论文参考文献
[1].樊柏强.基于BP神经网络汇率预测智能系统的开发与设计[D].湖南大学.2014
[2].张渊渊,何佳,贾海云.改进的灰色系统理论在汇率预测中的应用[J].计算机仿真.2011
[3].张宇.基于BP神经网络汇率预测的智能交易系统[D].安徽大学.2011
[4].王映乔.基于神经网络的汇率预测及系统设计[D].西南财经大学.2007
[5].欧阳电平,许卫平.基于知识的外汇汇率预测系统设计[J].计算机应用.1992