用于外汇监控系统的混合软计算与硬计算技术分析

在只有单一货币的世界里，将不会有外汇市场、外汇汇率和外汇交易。在过去的二十五年里，市场执行这些任务的方式发生了巨大的变化。为了跟踪复杂的外汇市场，智能监控系统已成为必需。广阔的货币市场对普通人来说是一个陌生的概念。然而，一旦将其分解为简单的术语，普通人就能开始理解外汇市场，并将其作为未来投资的金融工具。在本文中，我们尝试比较混合软计算和硬计算技术的性能，以提前一个月预测月平均外汇汇率。所考虑的软计算模型包括由缩放共轭梯度算法训练的神经网络和实现 Takagi-Sugeno 模糊推理系统的神经模糊模型。我们还考虑了多元自适应回归样条（MARS）、分类与回归树（CART）以及 CART-MARS 混合技术。我们考虑了澳元兑美元、新加坡元、新西兰元、日元和英镑的汇率。使用 70% 的数据对模型进行训练，其余数据用于测试和验证。观察到，与单独应用所有技术相比，所提出的混合模型能更准确地预测外汇汇率。实证结果还表明，混合硬计算方法也改进了我们之前使用神经模糊方法的一些工作。