《表1 数据相关统计量：人民币汇率的双成分混合波动率模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人民币汇率的双成分混合波动率模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

理论上讲，三层自回归神经网络中的隐含层只要有足够数量的神经元，就可以逼近大部分函数．本文的隐含层中包括10个神经元，为了比较神经元数量对模型的影响，本文还测试了隐含层中包含5和15个神经元的混合模型的精度．图6给出了包含5个、10个和15个隐含层神经元的预测结果．下图中线条代表10个隐层神经元的预测结果．本文发现在澳元兑人民币预测区间（1，20）以及欧元兑人民币预测区间（1，5）和（1，20）之外，剩下所有数据的预测区间，包含10个隐层神经元的混合模型都取得了稳定且显著优越；的预测性能．包含15个隐层神经元的混合模型却并未取得显著优越性能，可能本文提出的模型应用15个神经元会在平滑的成分建模中达到过拟合，从而影响预测精度．因此本文提出的混合模型在对外汇波动率预测中，自回归神经网络参数选择10则足够获得良好预测精度．该结论与文献[32，33]的研究结论一致．据此，图6中的实验数据表明，“神经网络增强型混合双成分波动率模型”能够在具有10个隐藏神经元的三层自回归神经网络结构下达到最佳的预测性能．