基于LSTM网络的非线性误差修正学习模型的构建 |
| |
引用本文: | 方茜,杨楠.基于LSTM网络的非线性误差修正学习模型的构建[J].统计与决策,2022(24):5-10. |
| |
作者姓名: | 方茜 杨楠 |
| |
作者单位: | 1. 上海财经大学统计与管理学院;2. 中国人保资产管理有限公司 |
| |
摘 要: | 针对部分时间序列具有非线性特征、误差修正模型仍然采用线性回归的局限,文章提出一种融合长短期记忆递归神经网络的误差修正学习模型,该模型利用神经网络的非线性特征和长记忆性,提升了对时间序列的非线性表达能力,同时也改善了神经网络中变量的可解释性。运用该非线性误差修正学习模型对2017—2021年美元指数与黄金价格的非线性联动性进行分析,发现其拟合优度比传统的误差修正模型有显著提高。
|
关 键 词: | 误差修正模型 LSTM网络 非线性 协整 美元黄金联动性 |
|
|