论文部分内容阅读
本文采用深度门控循环单元(GRU)神经网络探讨三种汇率货币模型(弹性价格、前瞻性和实际利率差模型)的非线性协整关系.GRU技术在深度学习中具有智能记忆、自主学习和强逼近能力等优点.为此,本文运用该技术对6组典型浮动汇率制国别数据进行了非线性Johansen协整检验.结果 表明,汇率与宏观经济基本面之间存在非线性协整关系,从而说明了货币模型在非线性条件下的有效性,以及先进的深度学习工具在检验经济理论中的优势.