基于新闻情感分析和区间分解的汇率预测研究

汇率序列具有非线性和连续变化等特点，其细节波动是一系列事件和新闻综合影响的结果.然而，现有区间预测模型难以量化重大事件和公众情绪的影响，导致其缺乏广泛的适用性，且传统区间分解方法存在上下界混叠的缺陷.因此，论文从新冠疫情冲击出发，提出一种基于新闻情感分析和区间分解的汇率波动实时预测模型.首先，基于Snownlp情感词典对外汇新闻文本进行情感分析，获得相应的情感分数.另外，构建全球恐惧指数(the global fear index,简称GFI)以量化新冠疫情的影响，并将其与芝加哥期权交易所波动率(the Chicago board options exchange volatility index,简称VIX指数)相结合作为汇率的影响因素.然后，提出一种新的区间经验模态分解(interval empirical mode decomposition,简称IEMD)方法对区间汇率序列进行多尺度分解，并根据样本熵重构得到高、中、低频区间序列和残差项.其次，利用极限学习机(extreme learning machine,简称ELM)、多层感知机(multi-layer perceptron...