基于支持向量回归机的汇率预测的中期报告.docx

基于支持向量回归机的汇率预测的中期报告
这是一份基于支持向量回归机（SupportVectorRegression，简称SVR）的汇率预测的中期报告。
1.问题描述
本项目旨在通过建立基于SVR的模型，预测人民币兑美元汇率。我们的数据集包含了2009年1月至2021年6月期间每日的汇率数据。
2.数据处理
我们使用Python进行数据处理和模型建立。首先，我们通过Pandas库读取数据。数据集共有3275行，将其拆分为训练集和测试集，其中，训练集包含了前70%（2293行）的数据，测试集包含了后30%（982行）的数据。
然后，我们将日期转换为时间戳，并将其设置为数据的索引。我们还将每个月的第一个工作日标记为“1”，其他日期标记为“0”，以捕获时间序列的季节性特征。
接下来，我们进行了归一化处理，使用MinMaxScaler将数据缩放到0到1之间。最后，我们创建了完整数据集，并将其转换为输入特征X和目标变量Y。
3.模型建立
我们使用Scikit-learn库中的SVR模型进行建模，同时采用GridSearchCV进行参数优化。我们选择了RBF核函数，同时对C和gamma参数进行网格搜索。
最终，我们确定了最佳的参数组合为C=10，gamma=0.1。
4.模型评估
我们使用均方根误差（RootMeanSquaredError，RMSE）和平均绝对百分误差（MeanAbsolutePercentageError，MAPE）来评估模型的预测性能。我们将预测结果与测试集中的真实值进行比较。
我们得到的结果如下：
RMSE:0.0183
MAPE:0.8239
可以看出，我们的模型表现良好，预测误差较小。
5.结论
本研究建立了一种基于SVR的汇率预测模型。通过对数据进行处理和模型建立，我们成功预测了人民币兑美元的汇率，并得到了不错的预测误差。我们的研究证明了SVR在时间序列建模中的可行性和有效性，可以为金融市场预测和决策提供有价值的参考。