文献类型：期刊文章

作　　者：周亮[1]

ZHOU Liang(Department of Journal,Hunan University of Finance and Economics,Changsha 410205,China)

机构地区：[1]湖南财政经济学院学报编辑部

出　　处：《统计学报》

基　　金：国家自然科学基金面上项目(71473081);湖南省教育厅科学研究项目(18B485)

年　　份：2020

卷　　号：1

期　　号：2

起止页码：48-56

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：采用HP滤波方法将离岸人民币汇率分解为趋势项和周期项,利用ARIMA模型和机器学习模型对其进行预测后再将两者进行融合。实证结果表明:ARIMA模型在进行单一模型预测时表现最好,而无论采用何种机器学习模型,融合模型都能显著改善单一模型的预测绩效;从神经网络参数的稳健性检验来看,复杂网络并不能改善简单网络的预测效果,即由于金融时间序列噪声较多、输入单元较少,简单机器学习模型就能取得优良的绩效,而复杂模型却容易出现过拟合,从而降低预测绩效。

关 键 词：人民币汇率 机器学习  ARIMA 神经网络 随机森林  

分 类 号：F832.5[金融学类]