预测是科学管理的重要环节,是决策、规划的前提。在社会经济管理中,经常要面临对某一事物或系统的发展趋势进行预测和分析。数据预测是从大量的数据信息中提取出隐含的知识、规律和行为模式的处理过程。汇率预测作为一个重要的经济问题因为它自身的困难和实际应用越来越受到人们的关注。经济学家一直致力于汇率市场价格的变化,希望能从中找出一些规律。汇率市场是一个复杂的非线性系统,同时受多种因素的交互影响,对于未来价格的精确预测是非常困难的。近年来,用非线性确定系统规律研究汇率市场的行为越来越显示出强大生命力。随着非线性理论和技术的发展,小波分析和神经网络等成为金融市场强有力的分析和预测工具。遗传算法是一种模拟自然界生物进化的搜索算法,由于它的简单易行、鲁棒性强,尤其是其不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程,从而使它的应用范围极为广泛,并且已在众多领域得到了实际应用,取得了许多令人瞩目的成果,引起了广大学者和工程人员的关注。遗传算法是一种新兴的技术,正处于发展期,虽然在应用领域获得了丰收,但其理论基础还较薄弱,有许多地方需要研究和发展充实。遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势。采用基因表达式的方法进行演化建模,实例测试的结果表明使用基因表达式程序设计的方法得到的模型要优于普通的神经网络方法和传统的遗传程序设计方法得到的模型,提高了拟合和预测精度。本文针对汇率市场对象的特点,分别研究了用遗传算法、遗传编程、基因表达式编程进行预测,取得了满意的效果。本文主要工作如下:1.阐述了数据预测的基本概念,方法和流程;2.对汇率市场及数据的特点进行了研究和分析;3.对遗传算法GA结构和特点进行了分析,运用人工神经网络理论,构建了汇率预测模型,并将GA应用于神经网络,对汇率市场进行了应用;4.对遗传编程GP算法的结构和特点进行了分析,并结合实际汇率市场样本进行了应用;5.分析了基因表达式编程的模型及其算法;6.在GEP模型和算法的基础上对汇率市场价格进行了一系列实验,然后用神经网络算法进行了相应的对比实验,对实验结果进行了分析,实验结果表明,GEP算法对汇率价格预测的精度比神经网络算法高;7.对遗传类算法特别是GP、GEP算法的结构和特点进行了分析,并进行了相互比较。本文的组织如下:第一章介绍了课题的研究背景、进化计算的概念、遗传程序设计的产生及研究,数据预测的基本概念,方法和流程以及汇率市场的特点;第二章介绍了遗传算法,分析了遗传算法的特点和应用范围;第三章介绍了遗传算法在神经网络优化中的应用,同时结合实际的汇率市场样本对基于遗传算法的神经网络进行了测试;第四章分析了基因编程的基本思想、算法流程和其他概念,并结合实际样本进行了实际应用;第五章分析了基因表达式编程的模型及其算法,提出了汇率市场的GEP模型,并进行了应用,同时对结果与神经网络模型进行了比较;第六章给出总结及以后的工作。本论文在前人对遗传类程序设计的研究基础之上,把它们付诸实践,力求为我国进行基于遗传类程序设计的汇率市场预测提供有效的手段,为推广计算智能和遗传类程序设计技术做出努力。在今后的工作中,我们将更广泛利用这种方法,对影响汇率市场数据的其他因素进行分析,探讨预测的更精确的方法。