Giới thiệu tài liệu
Nghiên cứu này giới thiệu một phương pháp mới hấp dẫn gọi là EEMD-LSTM, kết hợp EMD với LSTM để dự đoán chiết khẩu EUR/USD. Đơn vị này sử dụng dữ liệu từ năm 2010 đến 2020 để tiến hành xây dựng và kiểm tra hiệu quả của mô hình. Kết quả cho thấy rằng mô hình EEMD-LSTM có thể đạt được độ chính xác cao hơn so với những mô hình lân cận khác như ARIMA và GARCH.
Đối tượng sử dụng
Nhà nghiên cứu về phân tích và dự đoán chiết khẩu, cử tri, các doanh nghiệp quốc tế
Nội dung tóm tắt
Bài báo này chủ yếu tập trung vào việc giới thiệu phương pháp EEMD-LSTM (Empirical Mode Decomposition - Long Short-Term Memory) để dự đoán chiết khẩu EUR/USD. Phương pháp này được thiết kế bằng cách kết hợp công cụ Empirical Mode Decomposition (EMD) với mạng lưới Long Short-Term Memory (LSTM) để tạo ra một hệ thống dự đoán có thể phân tích và dự đoán chính xác các nguyên tố chung và các thay đổi quan trọng của chiết khẩu EUR/USD. Nghiên cứu sử dụng dữ liệu gồm các bản cập nhật hàng tuần từ năm 2010 đến 2020 và so sánh chính xác các kết quả trong nghiên cứu với những mô hình lân cận khác. Phần nghiên cứu cho thấy rằng phương pháp EEMD-LSTM có độ chính xác cao hơn so với những mô hình lân cận khác. Nghiên cứu cũng giới thiệu một phương pháp gọi là CEEMDAN (Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) để tạo ra một phương pháp EMD lý tưởng hơn và có thể tăng cường chính xác dự đoán. Ngoài ra, nghiên cứu sử dụng mạng LSTM để phân tích và dự đoán các phép thay đổi lâp trong chiết khẩu EUR/USD.
