| 研究課題/領域番号 |
10730012
|
|---|
| 研究種目 |
奨励研究(A)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
経済理論
|
|---|
| 研究機関 | 広島工業大学 |
|---|
研究代表者 |
徐 春暉 広島工業大学, 工学部, 助教授 (70279058)
|
|---|
| 研究期間 (年度) |
1999 – 2000
|
| 研究課題ステータス |
完了 (1999年度)
|
| 配分額 *注記 |
2,000千円 (直接経費: 2,000千円)
1999年度: 700千円 (直接経費: 700千円)
1998年度: 1,300千円 (直接経費: 1,300千円)
|
|---|
| キーワード | 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 |
|---|
| 研究概要 |
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。
|
