《金融科学》创刊于1988年，于1998年首批列入CSSCI期刊目录，在原对外经济贸易大学与中国金融学院合并后于2001年暂时停刊。在对外经济贸易大学金融学院（原中国金融学院）成立30周年之际，《金融科学》复刊了！杂志已邀请了一大批知名学者的加入，前证监会主席刘鸿儒、现中国金融学院院长吴卫星等分别担任名誉主任、主编等职。《金融科学》关注金融理论和实践、金融改革、金融市场等领域的前沿问题，主要目的是汇集金融学科及相关的经济、管理、统计等领域的原创性和综述性的研究成果，以促进学术交流。

现将2018年第1期优秀文章的观点集粹发布，恳请各位有识之士加以品读，若能提出更多的意见或批评，杂志编委会将深表感谢！

1 论文标题
深度学习能更好地预测人民币汇率吗？
2 作者信息
周颖刚，厦门大学经济学院金融系与王亚南经济研究院教授，首批教育部“长江学者”青年学者，厦门大学王亚南经济研究院副院长，厦门大学富邦金融与产业研究中心执行主任，研究领域为资产定价、金融风险、国际金融和贸易、中国金融开放与创新。现兼任International Real EstateReview期刊副主编和多种国际期刊的评审人，曾兼任世界华人不动产学会理事以及香港金融研究中心客座研究员。在国内外顶级期刊上发表论文30余篇，出版《中国股市效率损失研究》《Globalization andEmerging Issues in Trade Theory and Policy》等中英文合著，研究成果曾荣获纽约证券交易所与泛欧交易所金融市场最优论文奖、芝加哥数量化联盟学术优胜奖、亚太衍生品协会最优论文奖及世界华人不动产学会最优论文奖等重要奖项。
3 出处和链接（比如，NBER working paper No.11000）

文章来源：《金融科学》2018年第一辑 网址：jrkx.cbpt.cnki.net

引用格式：周颖刚，陈海鹏，深度学习能更好地预测人民币汇率吗？，金融科学，2018(01): 41-62.

4 摘要

本文试图回答深度学习的新技术是否能更好地预测人民币汇率波动。为此，我们运用深度学习方法改善并提出多层卷积神经网络（CNN），分别构建了预测汇率波动的长期与短期模型，分析发现网络搜索次数等新兴媒体指标能够提高短期模型的预测结果，同时合并长、短期模型的结果优于直接利用所有影响因素进行预测的结果，也优于采用传统的神经网络以及时间序列分析方法（如广义自回归条件异方差、贝叶斯平均分类回归等模型）进行预测的结果。

本文试图回答深度学习的新技术是否能更好地预测人民币汇率波动。为此，我们运用深度学习方法改善并提出多层卷积神经网络（CNN），分别构建了预测汇率波动的长期与短期模型，分析发现网络搜索次数等新兴媒体指标能够提高短期模型的预测结果，同时合并长、短期模型的结果优于直接利用所有影响因素进行预测的结果，也优于采用传统的神经网络以及时间序列分析方法（如广义自回归条件异方差、贝叶斯平均分类回归等模型）进行预测的结果。