基于模糊粒化和深度学习的汇率交易研究

• 作 者: 张仁
• 出 处: 南京大学
• 发表日期: 2014年期
• 关键词: 模糊信息粒(FIG) 深度信度网(DBN) 汇率预测 时间序列

在经济全球化的步伐下,使用外币结算所依据的汇率成了全球商品流通的准绳。汇率的波动性和外汇市场的流动性促进了汇率的稳定和保障了国际贸易的有序。然而,影响汇率波动变化的因素具有多样性,错综交杂,这也使得汇率的预测是一个非线性的多变量的复杂系统。这项有趣而又充满挑战的研究,引起了国内外众多学者的广泛关注。近年来,神经网络因具有非线性函数逼近能力、较强的学习能力和自适应能力等特点,而被越来越多地用于预测汇率。然而,大多数的预测都是预测一个具体的数值,这其实不能给稳定外汇市场的投机者们提供太多的帮助,因为外汇市场上的杠杆效应会将预测的偏差放大几十倍甚至几百倍,这样的话,预测值与实际值之间小小的差距都可能将导致灾难性的后果。在本文的研究中,我们提出对汇率进行波动范围的预测。与具体数值的预测相比,波动范围的预测能很好地为投机者提供切实可行的市场操作参考。本文中,我们通过结合模糊信息粒(FIG)和深度信度网(Deep Belief Networks, DBN)构造了一个基于模糊粒化的连续值深度信度网(Continuous-valued Deep Belief Networks based Fuzzy Granulation, CDBN-FG)模型预测汇率波动的范围。除此之外,本文的交易策略还引进了金融领域内“止损”的概念,这也使得我们交易策略的环境更接近于真实的外汇交易市场。在实验中,欧元兑美元和英镑兑美元的数据被用来检验我们所提出的CDBN-FG模型,实验结果表明,比起其他的经典模型,我们的模型在交易过程中有更强的盈利能力。