基于BP神經網絡的人民幣匯率預測分析

王芮瑩

摘 要 在經濟全球化的形勢下，匯率是影響中國整個經濟領域的重要因素。因此，對人民幣/美元匯率進行預測分析是十分必要的。本文以中國1985～2014年的人民幣/美元匯率為數據樣本，通過BP神經網絡模型對匯率進行預測分析。結果表明，未來人民幣/美元匯率呈緩慢增長趨勢。雖然，目前美聯儲加息逐漸增強、美元指數上漲，給人民幣匯率帶來貶值壓力，但據預測結果來看，預估人民幣持續大規模貶值的可能性不大。

關鍵詞 BP神經網絡 匯率 預測

一、引言

隨著國際經濟一體化的迅速發展，匯率作為各國貨幣兌換的量尺，在各國的經濟往來中起到了不可或缺的作用。在浮動匯率制度下，匯率波動幅度大、變化突然、波動頻繁的特征。各國匯率變動均會對國內外經濟均衡產生深遠影響。為此，研究匯率的動態行為特征并對匯率變化進行準確的預測分析，對國家經濟發展具有重要意義。新中國成立初期，我國采用固定匯率制度，匯率體制缺乏彈性。改革開放以來，國家開始進行匯率制度改革，逐漸發展到以市場供求為基礎、參考一籃子貨幣進行調整、有管理的浮動匯率制度。自我國匯率體制改革以來，人民幣匯率逐步趨于穩定，波動頻率與幅度相對較小，由于基本經濟因素仍在不斷變化，使用傳統的匯率決定模型將會存在較大的問題和困難。因此，本文利用神經網絡模型對匯率進行訓練模擬、預測分析，取得了較好的擬合效果。

二、神經網絡模型

BP（Back Propagation）神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，在神經網絡模型中使用較為廣泛。

BP神經網絡工作的依據為：將輸入學習樣本對應向前面傳播，在隱藏層對應節點處通過相應功能函數對其作用后，將隱藏層中相應的隱藏節點信號傳輸出去，一直傳遞到輸出層對應的輸出節點處，即可得到相應輸出的結果。由于BP神經網絡的這一系列工作機制及特點，使用該模型對匯率進行預測分析是相對精確的。

（一）預測效果的評價指標

由于神經網絡模型的特性，無法使用計量經濟學中常見的檢驗指標檢驗其訓練效果。因此，本文將采用均方誤差作為判斷神經網絡預測的性能指標。

設T為真實匯率值，a為預測匯率值，Q為長度，通過具體運算得到輸出值。本文將使用均方誤差（MSE）作為預測效果的評價指標，如下式：

（1）

MSE值越小則擬合效果越好。由于將誤差進一步擴大后，MSE仍很小，則其反映出相對精確的實驗結果，因此將其作為匯率預測的評價指標。

（二）過擬合問題與泛化能力

匯率數據序列中存在復雜的非線性特征，而神經網絡是非線性模型的代表，被眾多的學者應用到匯率預測中，而且研究表明其預測效果比傳統的預測效果好。但神經網絡在預測過程中容易出現過擬合現象，進而會影響預測的泛化能力。

因此，在進行預測分析前，對數據進行歸一化處理是十分重要的。首先將數據轉換為0～1之間的數據，在實驗后利用反歸一化進行數據還原。對真實匯率數據進行簡單的處理，可以有效防止在預測過程中出現的過擬合現象。

三、匯率理論及預測

匯率，是指不同國家間進行貨幣互兌的價格，它是貨幣的價格。一般又可劃分為實際和名義兩種匯率。二者分別是指兩國間商品的相對價格與貨幣的相對價格，且能夠相互轉換。它們之間的數量關系可表示為：名義匯率=實際匯率*外國商品價格/本國商品價格。

想要全面理解匯率波動的特征，除了需要全面把握和分析匯率決定理論以外，對于匯率制度的研究也非常重要，因為匯率制度直接決定匯率怎樣變化和變化的幅度。傳統觀點認為，浮動匯率制會帶來劇烈的匯率波動，并影響到國際經濟領域的正常運行。為了減少匯率風險，了解匯率波動情況，預測分析匯率是相對有效的辦法。

（一）數據收集

改革開放以來我國進行匯率體制改革，取得顯著成效。隨著匯率體制改革，人民幣匯率逐步趨于穩定，但改革之初匯率浮動比例仍相對較大。由于基本經濟因素仍在變化，每年的匯率總會有所波動。本文選取1985～2014年30年間的匯率數據作為樣本數據，模型樣本數據見表1。

從表1中我們可觀察到前十年的匯率波動幅度較大，之后數年匯率的波動情況逐步趨于穩定，2008年遭受金融危機，匯率開始有所下降。隨著全球經濟復蘇，我國匯率在另一個數據區間又逐步趨于穩定。

（二）預測分析

實驗中對樣本數據進行處理后，利用BP神經網絡模型對匯率數據進行訓練，并繪制出真實匯率和模擬匯率曲線，（如圖1）我們可以直觀清晰地觀察實際數據與訓練數據的差異。這兩條匯率曲線是較為吻合的，只有在峰值突出的地方差異略為顯著。

本文采用平均誤差作為判斷神經網絡預測的評價指標。根據實驗結果可得平均誤差率僅為0.046407%，表明該誤差在可接受范圍內。由誤差率可得，在匯率數據變化激增時誤差變化相對較大，其余誤差均相對較小，說明該模擬曲線和原始曲線的擬合效果較好。根據實驗結果還可得到平均準確率為92.1%，預測結果較為精準。

基于上述兩個神經網絡預測效果評價指標表示，該模型應用于匯率的預測分析是合理的。它可以較為精確的擬合出預測曲線，并求出結果。在本文中對2015～2017年的匯率進行了預測，這三年的預測值分別為648.0326、667.7332、681.4492。預測曲線如圖2所示。

由于引起匯率波動的因素很多，對其未來的波動變化情況做出預測是件困難的事。有些模型雖然可以實現對歷史數據較好的擬合，但預測能力較弱。本文將1985年～2014年30年間的數據作為檢驗數據，以樣本均方誤差MSE作為預測精度的評價指標，利用神經網絡模型進行預測，該模型不僅在擬合程度上而且在預測方面也表現良好。由于其他經濟因素仍在不斷發生變化，預測值會與真實值稍有出入。

四、結語

本文主要針對BP神經網絡進行簡要介紹，利用BP神經網絡算法對人民幣/美元相關匯率波動序列進行了對應預測，給出了相應分析，并比較模型樣本與對應樣本擬合相關預測效果，簡要總結得到以下結論。通過預測結果分析得出：雖然人民幣升值的壓力很大，但不會出現大規模貶值的狀態，應加快匯率形成機制的改革，同時應降低美元儲備的比例。

由于我國改革開放程度的不斷深化，匯率在我國整個經濟領域中的作用越來越重要，人民幣匯率動態行為也將出現越來越多的新特征，因此，對人民幣匯率的研究范圍和深度也將逐漸日益擴大。本文在現有的研究條件下，對人民幣匯率的歷史、現狀和未來走勢進行了分析，但僅限于人民幣匯率單方面的考察，沒有涉及匯率對其他宏觀經濟變量的影響和作用，也未能對匯率制度進行深入探討，這些問題需要進一步完善與研究。

（作者單位為重慶工商大學電子商務及供應鏈系統重慶市重點實驗室）

參考文獻

[1]晗蕾.基于GARCH模型的人民幣匯率走勢預測[J].時代金融，2013（05）.

[2]丁暉.基于神經網絡模型的人民幣匯率預測研究[D].河南大學，2008.

[3]金艷鳳.基于BP神經網絡的匯率預測模型研究[D].武漢理工大學，2013.

[4]李旭帥.基于神經網絡的匯率預測研究[D].南京航空航天大學，2005.

[5]戴曉楓，肖慶憲.時間序列分析方法及人民幣匯率預測的應用研究[J].上海理工大學學報，2005（04）.

[6]孫葉萌.匯率決定理論與匯率預測[D].吉林大學，2008.