AHC asked in 社會與文化語言 · 1 decade ago

[英文] 幫我翻譯這段文章~~20點!

Predicting exchange rates has long been a concern in international finance as most standard econometric methods are unable to produce significantly better forecasts than the random walk model.

Recent studies provide some evidence for the ability of using multivariate time series models to generate better forecasts.

At the same time, artificial neural networks have been emerging as alternatives to predict exchange rates.

In this paper, we propose an adaptive forecasting approach which combines the strengths of neural networks and multivariate econometric models.

This hybrid approach contains two forecasting stages.

In the first stage, a time series model generates estimates of the exchange rates.

In the second stage, General Regression Neural Network is used to correct the errors of the estimates.

A number of tests and statistical measures are then applied to compare the performances of the two-stage models with error-correction by neural network with those of the single-stage models without error-correction by neural network.

不要網路字典翻譯的喔~~~~ 感恩~

2 Answers

Rating
  • Anonymous
    1 decade ago
    Favorite Answer

    因為大多數的計量經濟方法都無法產生比隨機走勢模型明顯較佳的趨勢預測,預測匯率已為國際金融長期所關注.

    近期的研究提供一些證據顯示:有能力使用多變量時間序列模型來得到較佳的預測.

    同時,類神經網路也已出現,成為預測匯率的一個替代選項.

    在本份報告中,我們提出一項融合了類神經網路及隨機走勢模型優點的因應性預測方法.

    這項混合性的程序包含了2個階段.

    在第一階段,時間序列模型可以得到匯率的估計值.

    2008-01-04 19:57:42 補充:

    接續前面未完....

    第二階段,使用通用回歸神經網路來修正估計值的錯誤.

    之後,應用一些測試及統計方式來比較有經過錯誤修正的二階段模型神經網路及未經過修正的一階段模型神經網路各自的表現.

    Source(s): myself,未完待續, 自己,名詞有點難翻
  • 1 decade ago

    與隨機移動模型相比較,預言匯率早就同樣是在國際金融裡的關心的事標準計量經濟學的方法不能產生相當好的預測。

    新近的研究為使用多元的時間序列模型產生更好的預測的能力提供一些證據。

    同時,人工神經網路一直作為預言匯率的替代出現。

    在這內文章,我們提議一適合接近結合那些強度的神經網路和多元經濟計量模式哪個。

    這配種來臨包含兩舞台。

    在第一個階段,一個時間序列模型產生對匯率的估價。

    在第二級方面,一般的回歸神經網路用來改正估計的錯誤。

    許多試驗和統計 措施然後應用於比較二級模特與錯誤改正以神經網路有單個舞台模特的那些一起的表現沒有錯誤改正以神經網路。

Still have questions? Get your answers by asking now.