為替レートの適正水準を予測するニューラルネットワークの開発

点击翻译按钮获取中文摘要

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。