MATLAB用于预测金融危机在新兴市场

麦克尼利着手分析汇率的月度需求和广阔,或准,钱在印尼13年段包括危机。他需要确定最有效的方法分析数据的大量积累。他还需要减少预测错误的风险大的波动数据,如山峰的高度对美元需求的危机,可以生产。他知道,经济学家传统使用的线性或纠错模型不适合这项任务。

麦克尼利选择了在MATLAB的编程工作设施,易于使用,能够处理庞大的数据集。至于方法,他相信他会实现更精确的结果通过结合线性模型和神经网络分析。使用神经网络的优势,他解释说,“估计涉及不仅顺序处理的数据,使用输入x预测输出y,但也同时并行处理,由于输入是由几个隐层神经元处理。”

中心他的分析是一个遗传算法联合开发的匹兹堡大学的教授约翰·达菲。麦克内尔在发展中该算法,广泛和达菲使用统计和机器学习的工具箱。他们还使用MATLAB的向量化函数更快的处理。”得到的系数的算法,”麦克内尔解释说,“可作为起始值更常见的局部搜索方法。“他的搜索方法,他使用的非线性最小化函数优化工具箱。

麦克内尔完成数据收集之后,开始产生最好的结果,他可以获得与传统的线性模型。然后,他使用了从这个模型来构建神经网络的输入。

在定义一个神经网络,麦克尼利说,他喜欢“开始用一个简单的网络,比如三个或四个在一个隐层神经元。我训练模型和混合方法,首先利用遗传算法找到一组系数神经网络,然后开关,与这些系数非线性梯度下降法”。

麦克尼利前馈架构用于深度学习工具箱与输入输出。他解释说,“虽然我已经尝试了不同的神经网络结构在各种经济的应用程序中,我发现,最好的一个是前馈模型与一个隐藏层。“他使用工具箱的日志乙状结肠激活函数为隐层的神经元。输入传送到隐层和压扁的日志乙状结肠函数。最后,神经元被传播到输出层为线性组合。

他能够进一步提高神经网络的预测能力利用时变GARCH模型为戏剧性的印尼代理汇率风险货币在1997年11月和12月下降。

他使用电子表格样本内和样本外链接获得的性能。电子表格链接让他采取样本外预测并将它们导入微软^®Excel^®和计算错误的样本外预测。这是那么容易转移的结果MATLAB演示电子表格格式。