基于BP深度神经网络的汇率预测开题报告

1. 研究目的与意义

如今我国启动了“一带一路”的国际战略，开启了与各国交流合作的新时代。外汇汇率改革在对外贸易中发挥着十分积极的作用，然而这些政策使汇率波动的幅度变大，这不可避免地也会给企业出口产品，对外贸易与投资带来相应的风险，因此研究汇率波动并且对其做出相应的预测，是国家与企业都要面对的问题。

汇率的预测对于个人、企业和国家都有十分重要的意义。

对于个人投资者来说，外汇市场意味着高风险性于高收益性并存，如果能对于汇率的波动有有效的预测，能及时地规避风险，使自己再汇率变化的浪潮中获益。

2. 研究内容和预期目标

本文选取2018年度的日度汇率数据，用r语言软件作为数据分析的工作，并利用基于bp神经网络，rnn神经网络以及lstm神经网络的非线性预测方式，建立汇率预测模型进行比较，用此来说明lstm神经网络的优异性能。

写作提纲：

第一章简介，介绍研究背景与研究意义，国内外研究现状，论文结构与本文的创新之处。

3. 国内外研究现状

国外的神经网络研究院refense便试图利用神经网络来预测外汇市场，用机器学习的常规做法划分训练集测试数据，将测试数据作为验证数据集，经过验证，人工神经网络在拟合外汇价格上跟以往的传统方法相比具有很大的优势。后来jintaoyao和chewlimtan选取美元兑换日元、德国马克等一系列的货币对，在对外汇市场进行显著分析之后，构建自己的误差反馈(bp)人工神经网络模型，将预测结果与传统的arima预测模型的结果对比，有了很大的提升。而神经网络在这方面具有比较独特的优势。michaela.pearson和hellryg.green在外汇市场是成功运用人工智能来解决多个汇率之间的利息问题，并建立起相关的模型，为金融市场的投资提供支持，预测价格走势。

国内对于这方面的研究也一直很繁荣，上海财经大学的王松喜对1990到2004年的各大币种汇率进行研究，选取每日最高价为样本进行模拟分析。贺兴时等人利用相空间重构理论构建经济预测模型，给人们带来了全新的思路，推动了后来的研究。魏巍贤等人为了预测马克兑换美元的短期波动，使用伦敦和纽约外汇市场5年的交易数据进行建模与分析，预测结果表明，相比于传统预测方法，神经网络在预测精度上确实更为优胜。

综上，国内外实验结果都表明相对于传统汇率预测模型，bp神经网络的股票价格预测模型精度更高。然而虽然国内外对于神经网络模型和传统预测模型比较得到了比较一致的结论，但是针对我国国情的外汇市场，建立什么样的人工神经网络模型尚未有定论。

4. 计划与进度安排

第一步，通过图书馆借阅图书与查询论文资料等方式，学习人工神经网络的相关理论知识以及影响外汇市场价格变化的各种因素。

第二步，利用软件建模分析各个模型对于汇率的拟合程度，比较各个模型优劣，寻找一个合适的预测模型。

5. 参考文献

[1] 薛鑫.基于r语言神经网络的汇率分析及预测[d].南京:南京大学,2019.

[2] 张晓朴.人民币均衡汇率的理论与模型[j].经济研究，1999(12):70-77.

[3] 杨炘,温晓燕.美元、日元、英镑的中长期汇率预测方法研究[j].清华大学学报(哲学社会科学版),2002(02):46-49.