遺傳程序設(shè)計(jì)在匯率市場(chǎng)預(yù)測(cè)中的應(yīng)用研究.pdf

1、預(yù)測(cè)是科學(xué)管理的重要環(huán)節(jié)，是決策、規(guī)劃的前提。在社會(huì)經(jīng)濟(jì)管理中，經(jīng)常要面臨對(duì)某一事物或系統(tǒng)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)和分析。數(shù)據(jù)預(yù)測(cè)是從大量的數(shù)據(jù)信息中提取出隱含的知識(shí)、規(guī)律和行為模式的處理過程。匯率預(yù)測(cè)作為一個(gè)重要的經(jīng)濟(jì)問題因?yàn)樗陨淼睦щy和實(shí)際應(yīng)用越來越受到人們的關(guān)注。 經(jīng)濟(jì)學(xué)家一直致力于匯率市場(chǎng)價(jià)格的變化，希望能從中找出一些規(guī)律。匯率市場(chǎng)是一個(gè)復(fù)雜的非線性系統(tǒng)，同時(shí)受多種因素的交互影響，對(duì)于未來價(jià)格的精確預(yù)測(cè)是非常困難的。近年來，

2、用非線性確定系統(tǒng)規(guī)律研究匯率市場(chǎng)的行為越來越顯示出強(qiáng)大生命力。隨著非線性理論和技術(shù)的發(fā)展，小波分析和神經(jīng)網(wǎng)絡(luò)等成為金融市場(chǎng)強(qiáng)有力的分析和預(yù)測(cè)工具。 遺傳算法是一種模擬自然界生物進(jìn)化的搜索算法，出于它的簡單易行、魯棒性強(qiáng)尤其是其不需要專門的領(lǐng)域知識(shí)而僅用適應(yīng)度函數(shù)作評(píng)價(jià)來指導(dǎo)搜索過程，從而使它的應(yīng)用范圍極為廣泛，并且已在眾多領(lǐng)域得到了實(shí)際應(yīng)甩，取得了許多令人矚目的成果，引起了廣大學(xué)者和工程人員的關(guān)注。 遺傳算法是一種新興的

3、技術(shù)，正處于發(fā)展期，雖然在應(yīng)用領(lǐng)域獲得了豐收，但其理論基礎(chǔ)還較薄弱，有許多地方需要研究和發(fā)展充實(shí)。 遺傳編程(GP)和基因表達(dá)式編程(GEP)是在遺傳算法的基礎(chǔ)上發(fā)展而來的遺傳算法的新分支，它在個(gè)體的表示、個(gè)體的處理和結(jié)果的形式等方面與傳統(tǒng)遺傳算法有著顯著的區(qū)別和優(yōu)勢(shì)。采用基因表達(dá)式的方法進(jìn)行演化建模，實(shí)例測(cè)試的結(jié)果表明使用基因表達(dá)式程序設(shè)計(jì)的方法得到的模型要優(yōu)于普通的神經(jīng)網(wǎng)絡(luò)方法和傳統(tǒng)的遺傳程序設(shè)計(jì)方法得到的模型，提高了擬合和

4、預(yù)測(cè)精度。 本文針對(duì)匯率市場(chǎng)對(duì)象的特點(diǎn)，分別研究了用遺傳算法、遺傳編程、基因表達(dá)式編程進(jìn)行預(yù)測(cè)，取得了滿意的效果。 本文主要工作如下： 1．闡述了數(shù)據(jù)預(yù)測(cè)的基本概念，方法和流程； 2．對(duì)匯率市場(chǎng)及數(shù)據(jù)的特點(diǎn)進(jìn)行了研究和分析； 3．對(duì)遺傳算法GA結(jié)構(gòu)和特點(diǎn)進(jìn)行了分析，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)理論，構(gòu)建了匯率預(yù)測(cè)模型，并將GA應(yīng)用于神經(jīng)網(wǎng)絡(luò)，對(duì)匯率市場(chǎng)進(jìn)行了應(yīng)用； 4．對(duì)遺傳編程GP算法的結(jié)構(gòu)和特點(diǎn)進(jìn)

5、行了分析，并結(jié)合實(shí)際匯率市場(chǎng)樣本進(jìn)行了應(yīng)用； 5．分析了基因表達(dá)式編程的模型及其算法； 6．在GEP模型和算法的基礎(chǔ)上對(duì)匯率市場(chǎng)價(jià)格進(jìn)行了一系列實(shí)驗(yàn)，然后用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了相應(yīng)的對(duì)比實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析，實(shí)驗(yàn)結(jié)果表明，GEP算法對(duì)匯率價(jià)格預(yù)測(cè)的精度比神經(jīng)網(wǎng)絡(luò)算法高； 7．對(duì)遺傳類算法特別是GP、GEP算法的結(jié)構(gòu)和特點(diǎn)進(jìn)行了分析，并進(jìn)行了相互比較。 本文的組織如下：第一章介紹了課題的研究背景、進(jìn)化

6、計(jì)算的概念、遺傳程序設(shè)計(jì)的產(chǎn)生及研究，數(shù)據(jù)預(yù)測(cè)的基本概念，方法和流程以及匯率市場(chǎng)的特點(diǎn)；第二章介紹了遺傳算法，分析了遺傳算法的特點(diǎn)和應(yīng)用范圍；第三章介紹了遺傳算法在神經(jīng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用，同時(shí)結(jié)合實(shí)際的匯率市場(chǎng)樣本對(duì)基于遺傳算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行了測(cè)試；第四章分析了基因編程的基本思想、算法流程和其他概念，并結(jié)合實(shí)際樣本進(jìn)行了實(shí)際應(yīng)用；第五章分析了基因表達(dá)式編程的模型及其算法，提出了匯率市場(chǎng)的GEP模型，并進(jìn)行了應(yīng)用，同時(shí)對(duì)結(jié)果與神經(jīng)網(wǎng)絡(luò)模型進(jìn)