| Project/Area Number |
10730012
|
|---|
| Research Category |
Grant-in-Aid for Encouragement of Young Scientists (A)
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
経済理論
|
|---|
| Research Institution | Hiroshima Institute of Technology |
|---|
Principal Investigator |
徐 春暉 広島工業大学, 工学部, 助教授 (70279058)
|
|---|
| Project Period (FY) |
1999 – 2000
|
| Project Status |
Completed (Fiscal Year 1999)
|
| Budget Amount *help |
¥2,000,000 (Direct Cost: ¥2,000,000)
Fiscal Year 1999: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 1998: ¥1,300,000 (Direct Cost: ¥1,300,000)
|
|---|
| Keywords | 外国為替 / レート / ニューラルネットワーク / 学習アルゴリズム / モデル / 円レート / モデルリング |
|---|
| Research Abstract |
今年度は予測精度を向上させるために、3階層ニューラルネットワークモデルを中心に研究を行った。
1)昨年度提案した3階層モデルについて、パラメータを特定する学習アルゴリズムを提案した。Matlabで学習計算プログラムを作成し、過去7年間のデータを用いて、学習によってパラメータを特定した。
モデルの予測誤差は学習の進行に従って素早く減少し、学習は早く収束した。同じの学習条件で、収束までの学習回数は2階層に比べたら3階層モデルの方が少ないことがわかった。
2)特定された3階層モデルを用いて、97年1月から10月までの入力層のデータから月ごとの米ドルに対する円の適正レートを計算し、月の平均レートと比較し、予測誤差をはかった。
2階層モデルと比べて、3階層モデルの予測誤差は小さく、データによって大きく変わらない安定性があることが明らかになった。2階層モデルの3%台に対して、3階層モデルの平均予測偏差は2%台だった。
ニューラルネットワークの階層数や各階層のニューロ数を変動させて、予測精度を向上させることが出来ますが、経済的に解釈できないことがあるから、本研究ではモデルの構造は経済的な考えから先に固定し、各ニューロにパラメータを持たせることによって、予測精度の向上を図った。この方法は試算の結果から問題がないことが言えるだろう。
経済要因へのレートの逆影響を考慮するフィッドバック型モデルを研究したが、為替レートの予測精度を高めることに繋がらないことが分かった。従いまして、3階層モデルの研究に重点を置いた。計算の結果から、本研究で提案された3階層のニューラルネットワークモデルは円の対米ドルレートの適正水準を予測するのに有効であることが示された。
|
