遺傳算法與神經(jīng)網(wǎng)絡在匯率預測中的應用.pdf

1、經(jīng)濟系統(tǒng)是一個復雜的非線性系統(tǒng)，經(jīng)濟系統(tǒng)內(nèi)部的非線性相互作用造成宏觀經(jīng)濟變量的不規(guī)則漲落。匯率的形成機制也是一個非線性系統(tǒng)，具有高度的復雜性，因此難以用準確的數(shù)學模型來解決。因而我們希望能夠建立一個參數(shù)隨著預測環(huán)境的變化而變化的非線性模型，人工神經(jīng)網(wǎng)絡(ArtificialNeural Net-ANN)方法為這一問題的解決提供了可能性，它的“黑箱”策略忽略了對非線性方程的判定，可以直接利用網(wǎng)絡的輸入輸出變量進行網(wǎng)絡訓練和修正，來確定宏觀

2、經(jīng)濟變量的相互作用和影響，達到預測的目的。 并且由于在金融系統(tǒng)中，訓練信號是模糊的，數(shù)據(jù)是有噪聲的，一般很難正確給出每個執(zhí)行的定量評價。為了克服這些困難，提高系統(tǒng)性能，可以采用遺傳算法(Genetic Algorithm-GA)來優(yōu)化神經(jīng)網(wǎng)絡。 本文針對匯率變化的非線性特征與經(jīng)典BP人工神經(jīng)網(wǎng)絡在預測應用上的缺陷，對BP網(wǎng)絡模型進行了改進，并利用遺傳算法來優(yōu)化誤差反向傳播(Error back Propagation-B