基于多分类器系统的汇率预测方法

正确分析与预测汇率对于政策制订与投资决策至关重要。汇率预测涉及到众多的经济、政治等基本因素和各种技术指标及图形形态。在汇率预测中采用神经网络是目前的主流方法。但是要综合利用这些信息，靠单个网络是不够的。将众多含义不同的信息输入网络，会造成其训练的困难。这样只能利用部分数值型信息，难以量化的非数值信息则不得不舍弃。本项目将采用多分类器系统，为具有不同含义的信息分别设计不同的分类器，然后对其进行集成。对非数值信息，设计单独的分类器将其转化为"趋势"（上升、下降等）。这样就使得单分类器的输出有了"汇价"和"趋势"两种不同的属性，不能用现有的方法进行集成。为此将集成分为两步，首先分别集成同一属性的分类器，然后再将趋势转化为对汇价的"支撑度"，根据支撑度调整对汇价的预测，完成对不同属性分类器的集成。研究成果对于多分类器系统、信息融合和非线性预测等具有理论意义，对于提高汇率预测的准确性具有实用价值。