基于神经网络模型与分类模型相结合的外汇汇率预测方法技术

基于神经网络模型与分类模型相结合的外汇汇率预测方法，涉及到外汇汇率预测系统的数据处理方法技术领域。解决外汇汇率预测方案存在不确定性较大，试错成本高，没有充分利用模型的相异性的技术不足。针对回归模型，对N段时期内的外汇历史数据进行数据预处理，输入到神经网络模型中；在神经网络模型中加入延迟层，迭代预测得出较优的预测结果；针对分类模型，收集与回归模型相同时期内的外汇历史数据，拿回归模型预测出来的价格数据划分一个置信区间；根据分类模型预测出价格数据升跌的概率值，调整置信区间的大小；从而得到适合的进场和出场的价格参考的外汇汇率预测结果。减少了不确定性的影响，提升了预测结果的可靠性。

Prediction method of foreign exchange rate based on the combination of neural network model and classification model

【技术实现步骤摘要】
基于神经网络模型与分类模型相结合的外汇汇率预测方法
本专利技术涉及到外汇汇率预测系统的数据处理方法

技术介绍
随着生产力的发展以及金融的全球化，世界上各国之间的经济往来变得越来越频繁，进一步地促进了全球经济的融合。而外汇汇价的波动，不仅对国际间的金融关系产生了较为深远的影响，而且还牵动着国家众多领域的经济发展，扮演着日益重要的角色。细化到企业来说，很多企业涉及到跨国的业务，此外还有很多金融、互联网等等的企业从事着一些证券、期货的投资工作，而外汇市场含有较高的杠杆性，其内部蕴含着高风险性以及高利润的特点，如何准确地预测外汇汇率的波动，已成为国际金融市场关注的一个重点问题。目前，针对外汇汇率预测的方案包括有：方案1：利用遗传算法对传统的BP神经网络进行优化并应用在汇率预测中的方法，该方法利用BP神经网络的强大非线性拟合能力结合遗传算法的全局寻优能力，通过将问题编码成由基因组成的染色体，然后通过模拟自然界的进化过程，对染色体的适应性进行选择、交叉、变异操作，经过不断循环处理从而产生代表问题解的染色体。其选取了我国的消费品价格本文档来自技高网...

【技术保护点】
1.基于神经网络模型与分类模型相结合的外汇汇率预测方法，其特征在于所述方法采用回归模型与分类模型结合的方法，包括有如下步骤：/n步骤s1：针对回归模型，对N段时期内的外汇历史数据进行数据预处理，对数据进行归一化处理后，输入到神经网络模型中；/n步骤s2：利用神经网络非线性拟合能力以及外汇市场存在时滞的特点，在神经网络模型中加入延迟层，用前5个时段的开盘价、最高价、最低价、收盘价和成交数来预测出后一个时段的汇价；再使用平均绝对误差、均方误差根以及平均绝对百分比误差三个指标为标准进行评估，迭代预测得出较优的预测结果；/n步骤s3：针对分类模型，收集与回归模型相同时期内的外汇历史数据，如果回归模型中...

【技术特征摘要】
1.基于神经网络模型与分类模型相结合的外汇汇率预测方法，其特征在于所述方法采用回归模型与分类模型结合的方法，包括有如下步骤：
步骤s1：针对回归模型，对N段时期内的外汇历史数据进行数据预处理，对数据进行归一化处理后，输入到神经网络模型中；
步骤s2：利用神经网络非线性拟合能力以及外汇市场存在时滞的特点，在神经网络模型中加入延迟层，用前5个时段的开盘价、最高价、最低价、收盘价和成交数来预测出后一个时段的汇价；再使用平均绝对误差、均方误差根以及平均绝对百分比误差三个指标为标准进行评估，迭代预测得出较优的预测结果；
步骤s3：针对分类模型，收集与回归模型相同时期内的外汇历史数据，如果回归模型中收集的时期是分钟级的数据，则分类模型也是收集分钟级的数据进行预测，对于无法细化到分钟级的指标数据，仅取能获取的指标数据进行预测；如果在回归模型中收集的时期是日度级数据，则对应分类模型也选用日度级数据进行预测；
步骤s4：收集到分类模型要用的数据后，进行预处理，用t时间段的收盘价、最高价或最低价数据与t-1时间段的收盘价、最高价或最低价数据进行做差以及交叉做差，判断是升还是跌，如果差值大于0，就是升，标志为1；如果差值小于0，就是跌，标志为0，得到多个价格的升跌信息，以配合回归模型的预测做选择具体用哪个价格的升跌信息作为y值；
步骤s5：对分类模型的输入数据进...

【专利技术属性】
技术研发人员：邓景炜，
申请(专利权)人：深圳索信达数据技术有限公司，
类型：发明
国别省市：广东;44