基于ARIMA和BP神经网络对人民币汇率预测的比较分析———以美元人民币汇率为例

摘要/Abstract

摘要： 随着我国汇率制度不断市场化发展，预测汇率的波动趋势具有重要的现实意义。采用ARIMA和BP神经网络方法，利用SPSS、EVIEWS10和MATLAB工具，分别对人民币汇率进行预测分析，并比较两模型对汇率走势的预测效果。结果表明：ARIMA和BP神经网络模型对人民币汇率的预测是有效可行的，预测精度随着预测时间的推移而下降，更适用于短期预测。且ARIMA对人民币汇率的预测效果优于BP神经网络。

关键词: 人民币汇率, ARIMA, BP神经网络, 预测

中图分类号:

F832.6

. 基于ARIMA和BP神经网络对人民币汇率预测的比较分析———以美元人民币汇率为例[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 207-212.

[1]	张莲１，王磊１，曹阳２. 基于ＣＡＳ优化的ＬＳＴＭ循环神经网络的高压断路器故障预测方法研究[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 181-187.
[2]	孙成胜ａ，张红民ａ，王艳ｂ，巴忠镭ａ. 一种改进的灰色ＢＰ神经网络光伏出力预测方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 217-221.
[3]	张扬，朱志宇. 改进ＰＳＯ算法优化ＬＳＳＶＭ的柴油机排气预测[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 103-110.
[4]	陈亚伟ａ，邵毅明ｂ，甘元艺ｂ. 基于模型预测控制的自主应急转向系统设计[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 9-14.
[5]	江毓，郑燕萍，张新，张涌. 基于改进ＢＰ神经网络的电机异音诊断[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 242-246.
[6]	郑琰, 黄兴, 肖玉杰. 基于时间序列的商品需求预测模型研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 217-222.
[7]	陈亚伟ａ, 邵毅明ｂ, 郝西祥ｂ, 甘元艺ｂ. 基于运动预测的车辆横向稳定性控制[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 58-64.
[8]	张先华a, 李政a, 谭小慧a, 王康b. 基于灰色马尔科夫的地铁火灾逃生最优路径规划及3D模拟[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 118-123.
[9]	. 基于K最近邻算法的城市路段行程时间短时预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 152-159.
[10]	. 基于SVM的共享单车需求预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 187-194.
[11]	. 基于校园大数据的学生行为特征分析与预测方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 201-206.
[12]	. 基于改进混沌理论的网络舆情短期预测策略方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 171-176.
[13]	. 应用于软件缺陷预测模型的量子粒子群优化BP算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 184-189.
[14]	. 基于JACK的某汽车座椅人因工程虚拟仿真分析[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 47-52.
[15]	. 基于粗糙集的企业财务长期趋势预测算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 89-94.

基于ARIMA和BP神经网络对人民币汇率预测的比较分析———以美元人民币汇率为例

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10