基于深度学习的汇率风险监测预警研究OA
在金融全球化背景下,准确监测和预警汇率风险传染对于防范系统性金融风险、维护金融稳定与安全具有重要意义。本研究通过构建一个包含每日开盘和收盘交易汇率、最高和最低汇率等直接市场因素,以及上证指数、道琼斯指数、黄金期货、美国原油及美元指数等外部环境因素的数据指标体系,利用CNN-BiSTM-AM模型对汇率风险进行动态监测和预警,从而及时识别潜在的汇率风险,防止金融危机的发生。研究结果表明:CNN-BiSTM-AM模型在汇率风险动态监测和预警方面具有较高的预测精度,与其他7个模型相比,平均绝对误差降低了17%,均方根误差降低了15.5%,决定系数提高到0.951。
夏敏;卢帅奇
新疆财经大学统计与数据科学学院新疆财经大学统计与数据科学学院
管理科学
汇率风险深度学习注意力机制CNN-BiLSTM-AM
《金融科技时代》 2025 (3)
P.5-10,6
国家自然科学基金项目“大规模随机网络序列的变点监测与诊断”(项目编号:11531001)新疆维吾尔自治区教育厅人文社科基地项目“新疆绿色金融发展对社会福利影响的统计测度”(项目编号:XJEDU2022XJ005)新疆财经大学科研基金项目“商业银行风险预警机制与应对策略研究”(项目编号:2022XGC071)。
评论