徐成贤，陈 静，王 昭

(1.杭州师范大学 国际服务工程学院,杭州 310012;2.西安交通大学 a.经济与金融学院；b.理学院,西安 710049)

0 引言

在布雷顿森林体系崩溃后，随着浮动汇率制度的实施以及外汇管制的放松，汇率的变动频率越来越快，对汇率变化的预测已成为金融监管当局、投资者和金融分析专业人士普遍关心的一个焦点。汇率影响因素的多元化使得汇率变化行为更加复杂，呈现出非线性的特点，这些特点加大了汇率预测的难度。

支持向量机（Support Vector Machine,SVM）是Vapnik等人[1][2]于1995年提出的数据挖掘的一个新方法，并已成功地应用于金融时间序列的预测预报[3～5]。SVM的特点是能够同时最小化经验误差与最大化分离间隔，且训练预测模型的过程是求解一个具有唯一最优解的二次约束最优化问题，这使得该方法的复杂程度仅取决于所要求解的精度以及训练样本的数量，而与输入空间的维数无关，避免了维数灾难这一难题。多项式光滑[6]与不等权重[7]则是提高SVM求解和预测效果的两个有效措施。基于以上研究，本文拟首先给出不等权重支持向量机（USVM）及其多项式光滑处理;然后应用此不等权重支持向量机给出对美元/人民币、欧元/人民币、日元/人民币汇率变动作预测的多变量预测模型;接着将不等权重支持向量机方法应用于训练样本集的子集来确定预测模型（减少训练样本的数量），再用遗传算法对预测模型作全局优选，由此形成将两者组合的遗传不等权重支持向量机方法（GAUSVM）;最后就（GAUSVM）方法的预测效果进行实证分析。……