Spelling suggestions: "subject:"nonlinear adjustment"" "subject:"nonlinear djustment""
1 |
匯率報酬模型之非線性調整及可預測性 / Nonlinear adjustment and predictability of exchange rate returns models陳紹珍 Unknown Date (has links)
在全球經貿體系自由化下,國際資金流通快速,匯率變動也非常頻繁,廠商的產銷決策與營運,面對匯率風險更加難以掌控。如何掌握匯率的變動,並採取有效的避險措施,是廠商從事貿易必須面臨之重要課題。本研究採用自我迴歸整合移動平均模式、倒傳遞類神經網路及混合式自我迴歸整合移動平均模式及倒傳遞類神經網路模型進行未來即期匯率報酬率之預測。試圖找出合適的新台幣兌美元即期匯率之預測模型,並將其應用於外匯避險操作。
研究結果顯示,關於預測誤差的績效表現,整體來說,以自我迴歸整合移動平均及倒傳遞類神經網路混合式模型表現最佳,顯示傳統時間序列模型捕捉匯率報酬率走勢之能力,藉由倒傳遞類神經網路捕捉其線性預測誤差中非線性的部分,可更符合資料的特性,加強匯率報酬率預測的準確性。考慮預測方向的正確性,在兩個不同的準則下(SR、PT),皆以自我迴歸整合移動平均模型表現最差,代表其在進行匯率報酬率之預測時正確率較為不足。而在PT檢定當中,倒傳遞類神經網路模型及混合式模型皆達到顯著。因此利用人工智慧模型對報酬率之方向進行預測是有效的,又以自我迴歸整合移動平均及倒傳遞類神經網路混合式模型表現最好。總結來說,利用倒傳遞類神經網路模型針對自我迴歸整合移動平均模型做非線性的調整,同時涵蓋未來匯率報酬率線性與非線性的部分,使得自我迴歸整合移動平均模型之預測誤差、方向準確性皆得到改善,藉由倒傳遞類神經網路捕捉其線性預測誤差中非線性的部分,可更符合資料的特性,加強匯率報酬率預測的準確性。
|
Page generated in 0.0451 seconds