用于预测汇率趋势的模型训练方法、装置、设备及介质制造方法及图纸

本申请公开了一种用于预测汇率趋势的模型训练方法、装置、设备及介质，其中，该用于预测汇率趋势的模型训练方法包括：获取两国之间的汇率历史趋势和每n天时间内的汇率数据样本；采用ARIMA时间序列分析法对汇率历史趋势进行拟合，构成拟合参数空间，并遍历拟合参数空间直至拟合参数空间的预测拟合误差最小；对初始数据集中的宏观基础变量按时间窗口进行构造，并将训练数据集输入SVM支持向量机，从而获取拟合宏观变量差值；采用验证数据集对初始预测模型进行预测后确定初始预测模型作为汇率预测模型。该方法生成的汇率预测模型具有长期和短期趋势预测能力的同时，可保障高精度的预测准确性。预测准确性。预测准确性。

【技术实现步骤摘要】
用于预测汇率趋势的模型训练方法、装置、设备及介质


[0001]本专利技术涉及数据处理
，尤其涉及一种用于预测汇率趋势的模型训练方法、装置、设备及介质。

技术介绍

[0002]汇率，作为两种货币之间的兑换比率，是衡量国家与国家之间经济关系发展的重要指标。一国汇率价的波动会影响该国进出口贸易额度、外商投资环境、国内通胀水平和股票收益率等实体经济以及与其相关联的虚拟经济，也会对一些宏观金融政策产生影响，如该国的货币政策管理、外汇储备头寸管理和外汇市场运作等。随着越来越多的国家开始采用浮动汇率制作为本国货币的定价制度，各国货币汇率之间的波动变得越来越频繁，也越来越剧烈。而汇率的波动又会大大地影响各国政府、金融机构、进出口企业以及投资者的各种决策。越来越多的政策制定者与学者正在着力研究汇率波动问题，希望可以提高汇率变化预测的准确性。
[0003]汇率被大部分学者认为是典型的外生性变量，在经济、财政系统之外仍有很多因素对汇率的变化起到极大的影响，导致快速准确地预测汇率变化一直是一个比较困难的课题。

技术实现思路
r/>[0004]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测汇率趋势的模型训练方法，其特征在于，包括：获取两国之间的汇率历史趋势和每n天时间内的汇率数据样本，所述汇率数据样本包括：初始数据集和用于确定模型超参数的验证数据集；采用ARIMA时间序列分析法对所述汇率历史趋势进行拟合，构成拟合参数空间，并遍历所述拟合参数空间直至所述拟合参数空间的预测拟合误差最小；对所述初始数据集中的宏观基础变量按时间窗口进行构造，获取训练数据集，并将所述训练数据集输入SVM支持向量机，用于对汇率预测误差进行非线性拟合，从而获取拟合宏观变量差值；基于所述拟合宏观变量差值，生成用以预测汇率趋势的初始预测模型，并采用所述验证数据集对所述初始预测模型进行预测后确定所述初始预测模型作为汇率预测模型。2.根据权利要求1所述的用于预测汇率趋势的模型训练方法，其特征在于，所述汇率数据样本还包括用于回测模型的测试数据集；在所述采用所述验证数据集对所述初始预测模型进行预测后确定所述初始预测模型作为汇率预测模型之后，还包括：采用所述测试数据集对所述汇率预测模型进行n天的汇率预测，用以检验所述汇率预测模型的准确率。3.根据权利要求1所述的用于预测汇率趋势的模型训练方法，其特征在于，所述采用ARIMA时间序列分析法对所述汇率历史趋势进行拟合，构成拟合参数空间，包括：采用时间序列对所述汇率历史趋势进行拟合，确定ARIMA差分自回归移动平均模型的拟合参数空间，所述拟合参数空间包括自回归项数、滑动平均项数和差分阶数。4.根据权利要求3所述的用于预测汇率趋势的模型训练方法，其特征在于，所述采用时间序列对所述汇率历史趋势进行拟合，确定ARIMA差分自回归移动平均模型的拟合参数空间，包括：采用时间序列平稳性检验作为单位根检验，确定所述差分阶数；分别提取赤池信息准则和贝叶斯信息准则获取的最小值，分别作为所述自回归项数和所述滑动平均项数。5.根据权利要求1所述的用于预测汇率趋势的模型训练方法，其特征在于，基于所述拟合宏观变量差值，生成用以预测汇率趋势的初始预测模型，包括：将所述拟合宏观变量差值作为特征因子，采用所述特征因子对RBF高斯核函数进行训练，生成用以预测汇率趋势的初始预测模型。6.根据权利要求1所述的用于预测汇率趋势的模型训练方法，其特征在于，所述汇率预测模型...

【专利技术属性】
技术研发人员：李冠楠，
申请(专利权)人：企知道网络技术有限公司，
类型：发明
国别省市：