中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
外匯匯率預測研究:基于多模態數據驅動綜合集成方法論 版權信息
- ISBN：9787030732392
- 條形碼：9787030732392 ; 978-7-03-073239-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
外匯匯率預測研究:基于多模態數據驅動綜合集成方法論 本書特色
國家的宏觀決策機構、企業的投融資決策部門以及廣大的投資者
外匯匯率預測研究:基于多模態數據驅動綜合集成方法論 內容簡介
精準預測匯率走勢對評估國際貿易的運行有著重要的指導意義和預警意義。《外匯匯率預測研究：基于多模態數據驅動綜合集成方法論》從多模態數據驅動建模角度出發，通過整合匯率理論模型、計量經濟模型、人工智能技術和綜合集成方法，聚焦匯率數據特點、匯率數據解構、投資者關注度和外匯新聞情感四個方面的重點和難點問題，形成了四個新的多模態數據驅動匯率預測方法，該綜合集成預測方法有效提高了匯率預測精度。《外匯匯率預測研究：基于多模態數據驅動綜合集成方法論》對預測領域的理論研究和方法體系的完善起到了積極的推動作用。
外匯匯率預測研究:基于多模態數據驅動綜合集成方法論 目錄
目錄
1 緒論 1
1.1 研究背景與意義 1
1.2 研究內容與研究框架 4
2 國內外研究現狀 6
2.1 匯率預測研究 6
2.2 基于網絡搜索數據的預測研究 22
2.3 基于情感分析的金融預測研究 27
2.4 本章小結 30
3 基于聚類的非線性集成學習的匯率預測方法 32
3.1 引言 32
3.2 基于聚類的非線性集成學習方法框架 34
3.3 基于SOM-KELM 非線性集成學習方法構建 36
3.4 實證研究 41
3.5 本章小結 55
4 基于分解—聚類—集成學習的匯率預測方法 56
4.1 引言 56
4.2 分解—聚類—集成學習方法框架 58
4.3 基于EEMD-LSSVR-K 的分解—聚類—集成學習方法構建 60
4.4 實證研究 64
4.5 本章小結 79
5 投資者關注度與匯率預測——基于集成深度學習方法 81
5.1 引言 81
5.2 基于B-SALS 集成深度學習方法框架 83
5.3 實證研究 89
5.4 本章小結 97
6 基于在線外匯新聞情感挖掘的匯率預測方法 99
6.1 引言 99
6.2 情感分析相關理論與技術 101
6.3 基于在線外匯新聞情感挖掘的匯率預測方法框架 106
6.4 實證研究 116
6.5 本章小結 125
7 基于多模態數據驅動綜合集成方法論的匯率預測方法 127
7.1 引言 127
7.2 多模態數據驅動綜合集成方法論 128
7.3 基于EELM 的多模態數據驅動綜合集成匯率預測方法框架 130
7.4 實證研究 133
7.5 本章小結 141
參考文獻 143
1 緒論 1
1.1 研究背景與意義 1
1.2 研究內容與研究框架 4
2 國內外研究現狀 6
2.1 匯率預測研究 6
2.2 基于網絡搜索數據的預測研究 22
2.3 基于情感分析的金融預測研究 27
2.4 本章小結 30
3 基于聚類的非線性集成學習的匯率預測方法 32
3.1 引言 32
3.2 基于聚類的非線性集成學習方法框架 34
3.3 基于SOM-KELM 非線性集成學習方法構建 36
3.4 實證研究 41
3.5 本章小結 55
4 基于分解—聚類—集成學習的匯率預測方法 56
4.1 引言 56
4.2 分解—聚類—集成學習方法框架 58
4.3 基于EEMD-LSSVR-K 的分解—聚類—集成學習方法構建 60
4.4 實證研究 64
4.5 本章小結 79
5 投資者關注度與匯率預測——基于集成深度學習方法 81
5.1 引言 81
5.2 基于B-SALS 集成深度學習方法框架 83
5.3 實證研究 89
5.4 本章小結 97
6 基于在線外匯新聞情感挖掘的匯率預測方法 99
6.1 引言 99
6.2 情感分析相關理論與技術 101
6.3 基于在線外匯新聞情感挖掘的匯率預測方法框架 106
6.4 實證研究 116
6.5 本章小結 125
7 基于多模態數據驅動綜合集成方法論的匯率預測方法 127
7.1 引言 127
7.2 多模態數據驅動綜合集成方法論 128
7.3 基于EELM 的多模態數據驅動綜合集成匯率預測方法框架 130
7.4 實證研究 133
7.5 本章小結 141
參考文獻 143
展開全部
外匯匯率預測研究:基于多模態數據驅動綜合集成方法論 節選
1緒論 隨著我國金融市場開放程度的不斷提升和人民幣國際化進程的穩步推進，外匯匯率的雙向波動彈性顯著增強，人民幣的國際使用率不斷提高。準確地預測外匯匯率走勢，有利于提高政策制定的科學性，有利于企業決策，特別是有利于跨國企業匯率風險對沖，也有利于個人的投資決策。1.1節論述外匯匯率預測的背景與意義；1.2節概括本書的研究內容與研究框架；1.3節歸納本書的主要創新點與研究特色。 1.1研究背景與意義 1.1.1研究背景 隨著全球經濟一體化趨勢的逐漸加強，國與國之間的經濟貿易往來不斷擴大，外匯匯率作為兩種貨幣的相對價格，在維系兩國或者多國經濟貿易往來方面，起到非常重要的橋梁和樞紐作用（Mueller et al.，2017）。不論是國家或者多國聯盟經濟體，或是企業與個人，都與外匯匯率有著非常緊密的聯系。對于一個國家來說，外匯匯率的變動不僅影響該國的資本流動、對外貿易和外匯儲備等，還會影響到該國的商品進出口、國內就業、物價水平及居民的收人等（Goodman，1979；Engel，2016;丁志杰等，2018）。對于企業與個人來說，外匯匯率的小幅波動都可能會造成巨大的損失（Mitra et al.，2015）。因此，外匯匯率一直以來都是國際金融研究領域的一個重要課題和難題。自20世紀70年代布雷頓森林體系宣告崩潰，牙買加貨幣體系建立以來，浮動匯率制度成為世界上*主要的匯率制度。在浮動匯率制度下，外匯匯率波動日益加劇，這就使得各種投機者進行頻繁的、巨額的投機活動而牟取暴利，這又進一步促使了外匯匯率的劇烈波動，導致國際投資與貿易風險劇增。因此，外匯匯率波動風險現已成為國際金融市場中重要的風險之一（Basher et al.，2016；Inoue et al.，2017；黃乃靜和汪壽陽，2018；萬義葉和陸靜，2018）。數據顯示，自2008年美國金融危機爆發以來，大多數國家的匯率波動幅度明顯加劇，全球外匯市場的風險增大。例如，2000年1月至2007年12月，美元兌日元的方差為49.16，而2008年1月至2017年12月，美元兌日元的方差為187.51，是2000～2007年的3.81倍。 隨著我國經濟社會的快速發展，人民幣匯率制度逐步完善。我國實行以市場供求為基礎，參考一籃子貨幣進行調節，有管理的浮動匯率制度。且2014年以來，人民幣對美元結束了單邊升值態勢，進人雙向波動區間，人民幣匯率波動性呈現出明顯增強的趨勢。2007年，中國首次超過美國成為全球*大的貨物出口國之后，又在2013年首次超過美國成為全球*大的貨物貿易國，當年中國的貨物貿易進出口總額為4.16萬億美元，占到全球貨物進出口總額的10.96%0。2015年11月30日，IMF宣布將人民幣納人SDR貨幣籃子，從2016年10月1日正式生效，成為可以自由使用的貨幣。2018年人民幣跨境使用超過了10萬億元，超過了2017年全年水平，在整個跨境使用中，人民幣占比已超過31%。SWIFT的數據顯示，截至2018年7月，人民幣在國際支付中占比2.04%，在國際支付貨幣中排名第5位。 目前，人民幣在投資結算與跨境貿易中的規模逐步增大，越來越多的國家和地區認可并接受人民幣，人民幣的國際使用率顯著提高，同時人民幣匯率波動日益頻繁且幅度日益加劇。作為全球外匯儲備**的國家，如何精準地預測外匯匯率波動，進而有效地規避外匯匯率風險是我國在新時代面臨的重要難題之一。 1.1.2研究意義 外匯市場是一個典型的復雜動態系統，數據具有非線性、非平穩性、高波動性、突現性和不規則性等特征，其受到內外多種因素的共同作用。當前國際經濟形勢錯綜復雜，地緣政治沖突不斷，導致外匯匯率的波動日益頻繁，這就給理論研究與實證分析帶來了新的挑戰。 從外匯匯率數據本身來看，可以將其波動分解為不同因素（如投資者預期、突發事件、市場因素等）共同作用的結果，進而分別分析和預測這些不同因素對外匯匯率波動的具體影響。隨著全球經濟一體化和數字經濟時代的到來，黑天鵝事件、灰犀牛事件等突發事件頻發，不同類型的突發事件（如貨幣政策、匯率政策等）對外匯匯率波動造成的沖擊程度及影響周期是不同的。為了準確預測外匯匯率的趨勢，就必須基于外匯匯率數據自身波動的特征，進一步剖析不同類型的影響因素對外匯匯率的沖擊，從而有利于準確把握外匯匯率運行機制特點及原理。因此，本書從多模態數據驅動建模角度來研究不同類型的影響因素對外匯匯率波動的影響，*后構建了一個多模態數據驅動綜合集成外匯匯率預測方法，該方法對于精確地分析和預測外匯匯率趨勢，具有非常重要的理論意義（Ban et al.，2016；Athanasopoulos and Hyndman，2011）。 本書從理論上提出了一個新的適用于復雜動態市場價格分析與預測的多模態數據驅動綜合集成方法論。在該方法論的框架指導下，基于外匯市場的具體情況，首先，本書從多模態數據驅動建模角度出發，從匯率數據特點、匯率數據解構、投資者關注度和外匯新聞情感四個方面，提出了四個新的多模態數據驅動匯率預測方法：基于聚類的非線性集成學習的匯率預測方法、基于分解-聚類-集成學習的匯率預測方法、基于投資者關注度的集成深度學習匯率預測方法和基于在線外匯新聞情感挖掘的匯率預測方法。其次，在這四個新的匯率預測方法的基礎上，利用EELM綜合集成技術，構建了一個基于EELM的多模態數據驅動綜合集成匯率預測方法，所提出的預測方法，有效提高了匯率預測精度，可以為國家的宏觀決策機構、企業的投融資決策部門及廣大的投資者提供科學的決策依據。 因此，如何科學有效地分析與預測外匯匯率變化，對于國家的政策制定機構、企業的投融資決策部門及廣大的投資者都具有重大的理論和現實意義。 （1）外匯匯率預測對國家的意義。外匯匯率是一個國家非常重要的經濟變量之一，外匯匯率的劇烈波動會對國家的社會經濟產生不利的影響（Wangetal.，2016）。準確預測外匯匯率走勢，有助于為匯率政策、利率政策等相關貨幣政策的制定與調整提供科學的依據；有助于引導國家對外投融資活動，如在投融資活動中規避外匯匯率波動造成的風險。 （2）外匯匯率預測對涉外企業的意義。隨著國際貿易經濟一體化的快速發展，如今越來越多的企業將市場拓展到國際范圍內，這無疑提高了對企業投融資能力的要求。外匯匯率的波動可能會對企業的產品價格、成本及利潤都產生很大的影響（Ghandar et al.，2016），如何選擇合適的貨幣種類進行交易和國際結算是涉外企業經營面臨的重要難題之一。因此，準確地分析與預測外匯匯率波動，有助于企業采取正確的措施，來對沖外匯匯率波動所帶來的風險，從而避免企業遭受巨大的經濟損失；有助于企業做出正確的投融資決策，賺取更多的利潤。 （3）外匯匯率預測對商業銀行的意義。在浮動匯率制度下，外匯匯率波動日益頻繁且幅度很大，導致商業銀行的資產負債結構發生變化，外匯相關的業務也會受到匯率波動的影響（Yang et al.，2017）。所以合理準確地分析與預測外匯匯率趨勢，可以幫助商業銀行利用衍生工具合理地規避匯率波動產生的風險，也可以提高商業銀行自身的外匯匯率風險管理能力，提高其對外匯匯率波動的應變能力。 （4）外匯匯率預測對于個人的意義。如今，外匯匯率的變化已經與每個人的生活息息相關（Caraiani，2017）。個人的投資組合、出國旅游、海購、留學成本都會受到外匯匯率波動的影響。 總而言之，外匯匯率預測研究，不僅對個人生活、銀行和企業的風險管理具有重要的影響，而且外匯匯率的波動也會影響一個國家宏觀經濟變量，如消費者物價水平、國際收支、國內就業、國內生產總值、經濟增長水平等。顯然，外匯匯率作為重要的經濟指標，對一個國家宏觀經濟運行和微觀經濟活動都具有非常重要的調節作用。因此，外匯匯率預測研究具有廣泛的社會經濟效益，對于國民經濟的正常運行有著非常重要的意義。 1.2研究內容與研究框架 本書的主要研究內容與研究框架結構安排如下。 第1章：緒論。該章主要介紹外匯匯率預測研究的背景與意義，并在此基礎上介紹本書的研究內容與研究框架，以及本書的主要創新點與研究特色。 第2章：國內外研究現狀。對目前國內外學者的相關研究從三方面進行了總結與評述：首先，對匯率預測研究的現狀、影響匯率波動的主要因素及匯率預測研究方法做了一個比較全面的總結與評述；其次，對現有基于互聯網搜索數據的預測研究論文進行了總結；*后，對基于情感分析的金融預測研究的相關文獻進行了梳理歸納。 基于外匯市場的具體特征，本書從多模態數據驅動建模角度出發，從匯率數據特點、匯率數據解構、投資者關注度和外匯新聞情感四個方面，在第3～6章分別提出了四個新的多模態數據驅動匯率預測方法：基于聚類的非線性集成學習的匯率預測方法、基于分解-聚類-集成學習的匯率預測方法、基于投資者關注度的集成深度學習匯率預測方法和基于在線外匯新聞情感挖掘的匯率預測方法。 第3章：基于聚類的非線性集成學習的匯率預測方法。該章在非線性集成學習方法基礎上使用不同的預測方法，構建了一個基于SOM-KELM的非線性集成學習的匯率預測模型，四個主要的外匯匯率預測的結果表明所提出的基于SOM-KELM的非線性集成學習匯率預測方法在水平預測性能和方向預測中都取得了很好的預測效果。 第4章：基于分解-聚類-集成學習的匯率預測方法。該章主要介紹了分解-聚類-集成學習方法的總體框架，并基于該框架構建了一個EEMD-LSSVR-K的分解-聚類-集成學習的匯率預測方法，并將該方法應用在四個主要的外匯匯率預測中，預測結果表明基于分解-聚類-集成學習的匯率預測方法的預測精度顯著地優于分解-集成方法和傳統的單模型的預測精度。 第5章：投資者關注度與匯率預測一基于集成深度學習方法。本章主要從行為金融學理論出發，采用互聯網搜索數據和外匯市場技術分析指標作為投資者關注度的代理變量，探究了投資者關注度是否可以用來預測外匯匯率的趨勢。具體的，本章利用深度學習、特征工程技術和集成學習方法的優勢，提出了一種基于集成深度學習的預測框架，并通過此框架構建了一個融合Bagging集成學習、SAE和LSTM的基于B-SALS的集成深度學習的匯率預測方法。該章所提出的B-SALS集成深度學習在美元兌人民幣匯率的趨勢預測取得了很好的預測能力。 第6章：基于在線外匯新聞情感挖掘的匯率預測方法。本章結合自然語言處理技術和深度學習方法的優勢，構建了一個基于在線外匯新聞情感挖掘的匯率預測方法。該方法首先，提出了一種快速構造面向外匯市場情感詞典方法，并利用該方法擴充外匯情感詞典，在擴展的外匯情感詞典基礎上計算外匯新聞情感極性分數；其次，對新聞情感極性分數和美元兌人民幣匯率數據之間的格蘭杰因果關系與協整關系進行計算；*后，使用新聞情感極性分數和其他金融數據為預測數據，采用LSTM對美元兌人民幣匯率的走勢進行預測。 第7章：基于多模態數據驅動綜合集成方法論的匯率預測方法。本章針對復雜動態市場價格分析與預測的問題提出了一個多模態數據驅動綜合集成方法論，該方法論包括多模態數據提取模塊、多模態數據驅動建模模塊和綜合集成模塊。在該方法論框架指導下，基于外匯市場基本情況，使用EELM，將基于聚類的非線性集成學習的匯率預測方法、基于分解-聚類-集成學習的匯率預測方法、基于投資者關注度的集成深度學習匯率預測方法和基于在線外匯新聞情感挖掘的匯率預測方法進行非線性綜合集成，構建了一個基于EELM的多模態數據驅動綜合集成匯率預測方法，該方法在美元兌人民幣匯率的預測與交易中，得到了較高的預測精度與年化回報率。 為了便于從總體上了解本書的寫作思路與結構，圖1.1給出了本書寫作的具體框架結構圖 2國內外研究現狀 本章主要對匯率預測研究領域、基于網絡搜索數據的預測研究領域和基于情感分析的金融預測研究領域
書友推薦
- >
詩經-先民的歌唱
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
- >
我與地壇
- >
朝聞道
- >
經典常談
- >
莉莉和章魚
- >
中國歷史的瞬間
本類暢銷
