基于Elman網(wǎng)絡(luò)預(yù)測(cè)匯率短期發(fā)展趨勢(shì)

胡歡等

摘 要 采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).處理過程對(duì)樣本序列進(jìn)行了分類，并對(duì)訓(xùn)練與測(cè)試樣本進(jìn)行了殘差分析.預(yù)測(cè)結(jié)果表明：該方法對(duì)匯率漲落方向的預(yù)測(cè)準(zhǔn)確度達(dá)到74.54%，對(duì)匯率預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大的情況，并分析了產(chǎn)生誤差的原因.

關(guān)鍵詞 Elman網(wǎng)絡(luò)； 時(shí)間序列；殘差分析； 漲落方向

中圖分類號(hào) O29 文獻(xiàn)標(biāo)識(shí)碼 A

1 引 言

匯率，即以另一國(guó)的貨幣來衡量本國(guó)貨幣的價(jià)格.它作為一個(gè)重要的經(jīng)濟(jì)變量，其變動(dòng)對(duì)國(guó)民收入的增減、工農(nóng)業(yè)的發(fā)展、國(guó)內(nèi)利率、人民就業(yè)等各方面都有著重要的影響.匯率同時(shí)也是國(guó)際貿(mào)易中一個(gè)極其重要的調(diào)節(jié)杠桿，它對(duì)在對(duì)開放條件下的宏觀經(jīng)濟(jì)運(yùn)行和微觀經(jīng)濟(jì)層面上的資源配置具有重要的影響，在某種意義上說，它直接影響著商品在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力.因此，匯率預(yù)測(cè)受到廣泛的關(guān)注，大量的模型被用于匯率波動(dòng)的預(yù)測(cè).

一般常用的預(yù)測(cè)方法包含時(shí)間序列方法（隨機(jī)時(shí)間序列方法、指數(shù)平滑法、移動(dòng)平滑法）、灰色預(yù)測(cè)方法、相關(guān)（回歸）分析法等.由于匯率為服從耗散結(jié)構(gòu)的非線性、開放的動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的預(yù)測(cè)方法對(duì)其經(jīng)濟(jì)指標(biāo)預(yù)測(cè)難以勝任，固定匯率制度下匯率的變化是確定性的，且利用中國(guó)的匯率數(shù)據(jù)采用實(shí)證方法， 得到固定比率制度下匯率是時(shí)間的函數(shù)； 而浮動(dòng)匯率制度下匯率的變化是隨機(jī)的^[1]，而考慮到神經(jīng)網(wǎng)絡(luò)具有非線性映射、自適應(yīng)學(xué)習(xí)及魯棒容錯(cuò)性等優(yōu)良特性，使其能夠較為精確地描述非線性的動(dòng)態(tài)過程.并且神經(jīng)網(wǎng)絡(luò)具有傳統(tǒng)的建模方法所不具備的許多優(yōu)點(diǎn)：對(duì)被建模對(duì)象經(jīng)驗(yàn)知識(shí)的要求不多，一般情況不必事先知道有關(guān)被建模對(duì)象的參數(shù)、結(jié)構(gòu)以及動(dòng)態(tài)特性等方面的知識(shí)，而只需給出對(duì)象的輸入及輸出數(shù)據(jù)，通過網(wǎng)絡(luò)本身的學(xué)習(xí)功能便可達(dá)到輸入和輸出的映射關(guān)系.因此這也為對(duì)匯率變化趨勢(shì)的預(yù)測(cè)研究提供一條嶄新的思路.

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行匯率預(yù)測(cè)的模型有兩大類：同質(zhì)模型和異質(zhì)模型^[2].同質(zhì)模型主要通過歷史匯率來預(yù)測(cè)未來匯率；異質(zhì)模型中要考慮影響匯率的一些關(guān)鍵因素，如利率、通貨膨脹率、原油價(jià)格等.由于影響匯率波動(dòng)的因素太多，關(guān)鍵因素很難確定且歷史數(shù)據(jù)也不容易得到，因此通常采用同質(zhì)模型進(jìn)行預(yù)測(cè).目前應(yīng)用最廣的兩類神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò).前饋神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)映射，它是單元之間的連接，不會(huì)形成有向圈，不適合用來表示動(dòng)態(tài)映射，動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)具有逼近系統(tǒng)的動(dòng)態(tài)過程，而且由于其固有的反饋結(jié)構(gòu)，往往只需單層的網(wǎng)絡(luò)就可以表達(dá)復(fù)雜的動(dòng)態(tài)系統(tǒng)，其中Elman網(wǎng)絡(luò)就是一種典型的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò).

3 結(jié) 論

本文采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).可見，在預(yù)測(cè)期內(nèi)，實(shí)際值與預(yù)測(cè)值的走勢(shì)大致相當(dāng)，但預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大，尤其是170期以后的預(yù)測(cè)值，導(dǎo)致偏差較大的原因可能是：

1）影響因素的復(fù)雜性.影響匯率變動(dòng)的因素是多樣的，不僅僅受到經(jīng)濟(jì)因素的影響也受到政治因素等不確定因素的影響.影響匯率的外匯市場(chǎng)具有一定非線性特征，而匯率預(yù)測(cè)的依據(jù)是以過去與現(xiàn)在推測(cè)未來，使其預(yù)測(cè)難度較大.這些均會(huì)影響預(yù)測(cè)效果，使得預(yù)測(cè)的準(zhǔn)確性欠佳.

2）誤差傳遞.由于神經(jīng)網(wǎng)絡(luò)是通過學(xué)習(xí)輸入模式進(jìn)行建模的，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，網(wǎng)絡(luò)輸出值要反饋給輸入端作為輸入的一部分，那么在網(wǎng)絡(luò)輸出存在的誤差又將帶入輸入層.因此，這種反饋模式下的誤差與不確定性，進(jìn)而影響到預(yù)測(cè)的準(zhǔn)確性.

3）無自檢驗(yàn).在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)過程中，每一次輸入得到一個(gè)相應(yīng)結(jié)果，而這樣的結(jié)果并不能確保可靠性，進(jìn)而也會(huì)影響預(yù)測(cè)的準(zhǔn)確性.^[6]

參考文獻(xiàn)

[1] 李亞瓊， 黃立宏. 兩種匯率制度的雙幣種期權(quán)定價(jià)模型及其解[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2009， 26（4）：14-19.

[2] Xiaofeng HUI， Zhewei Li，Quan QING.Using fuzzy neural networks for RMB/USD real exchange rate forecasting [J].Journal of Harbin Institute of Technology （New Series），2005，12（2）：189-192.

[3] 陳明等. MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例詳解[M]. 北京：清華大學(xué)出版社， 2013：388-389.

[4] 國(guó)家外匯管理局：人民幣匯率中間價(jià). http：//www.safe.gov.cn/

[5] 朱新玲， 黎鵬. 基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率擬合與預(yù)測(cè)研究[J]. 中南民族大學(xué)學(xué)報(bào)， 2010， 29（3）：114-115.

[6] 戴鈺. 最優(yōu)組合預(yù)測(cè)模型的構(gòu)建及其應(yīng)用研究[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2010， 27（1）：93-96.

摘 要 采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).處理過程對(duì)樣本序列進(jìn)行了分類，并對(duì)訓(xùn)練與測(cè)試樣本進(jìn)行了殘差分析.預(yù)測(cè)結(jié)果表明：該方法對(duì)匯率漲落方向的預(yù)測(cè)準(zhǔn)確度達(dá)到74.54%，對(duì)匯率預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大的情況，并分析了產(chǎn)生誤差的原因.

關(guān)鍵詞 Elman網(wǎng)絡(luò)； 時(shí)間序列；殘差分析； 漲落方向

中圖分類號(hào) O29 文獻(xiàn)標(biāo)識(shí)碼 A

1 引 言

匯率，即以另一國(guó)的貨幣來衡量本國(guó)貨幣的價(jià)格.它作為一個(gè)重要的經(jīng)濟(jì)變量，其變動(dòng)對(duì)國(guó)民收入的增減、工農(nóng)業(yè)的發(fā)展、國(guó)內(nèi)利率、人民就業(yè)等各方面都有著重要的影響.匯率同時(shí)也是國(guó)際貿(mào)易中一個(gè)極其重要的調(diào)節(jié)杠桿，它對(duì)在對(duì)開放條件下的宏觀經(jīng)濟(jì)運(yùn)行和微觀經(jīng)濟(jì)層面上的資源配置具有重要的影響，在某種意義上說，它直接影響著商品在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力.因此，匯率預(yù)測(cè)受到廣泛的關(guān)注，大量的模型被用于匯率波動(dòng)的預(yù)測(cè).

一般常用的預(yù)測(cè)方法包含時(shí)間序列方法（隨機(jī)時(shí)間序列方法、指數(shù)平滑法、移動(dòng)平滑法）、灰色預(yù)測(cè)方法、相關(guān)（回歸）分析法等.由于匯率為服從耗散結(jié)構(gòu)的非線性、開放的動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的預(yù)測(cè)方法對(duì)其經(jīng)濟(jì)指標(biāo)預(yù)測(cè)難以勝任，固定匯率制度下匯率的變化是確定性的，且利用中國(guó)的匯率數(shù)據(jù)采用實(shí)證方法， 得到固定比率制度下匯率是時(shí)間的函數(shù)； 而浮動(dòng)匯率制度下匯率的變化是隨機(jī)的^[1]，而考慮到神經(jīng)網(wǎng)絡(luò)具有非線性映射、自適應(yīng)學(xué)習(xí)及魯棒容錯(cuò)性等優(yōu)良特性，使其能夠較為精確地描述非線性的動(dòng)態(tài)過程.并且神經(jīng)網(wǎng)絡(luò)具有傳統(tǒng)的建模方法所不具備的許多優(yōu)點(diǎn)：對(duì)被建模對(duì)象經(jīng)驗(yàn)知識(shí)的要求不多，一般情況不必事先知道有關(guān)被建模對(duì)象的參數(shù)、結(jié)構(gòu)以及動(dòng)態(tài)特性等方面的知識(shí)，而只需給出對(duì)象的輸入及輸出數(shù)據(jù)，通過網(wǎng)絡(luò)本身的學(xué)習(xí)功能便可達(dá)到輸入和輸出的映射關(guān)系.因此這也為對(duì)匯率變化趨勢(shì)的預(yù)測(cè)研究提供一條嶄新的思路.

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行匯率預(yù)測(cè)的模型有兩大類：同質(zhì)模型和異質(zhì)模型^[2].同質(zhì)模型主要通過歷史匯率來預(yù)測(cè)未來匯率；異質(zhì)模型中要考慮影響匯率的一些關(guān)鍵因素，如利率、通貨膨脹率、原油價(jià)格等.由于影響匯率波動(dòng)的因素太多，關(guān)鍵因素很難確定且歷史數(shù)據(jù)也不容易得到，因此通常采用同質(zhì)模型進(jìn)行預(yù)測(cè).目前應(yīng)用最廣的兩類神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò).前饋神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)映射，它是單元之間的連接，不會(huì)形成有向圈，不適合用來表示動(dòng)態(tài)映射，動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)具有逼近系統(tǒng)的動(dòng)態(tài)過程，而且由于其固有的反饋結(jié)構(gòu)，往往只需單層的網(wǎng)絡(luò)就可以表達(dá)復(fù)雜的動(dòng)態(tài)系統(tǒng)，其中Elman網(wǎng)絡(luò)就是一種典型的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò).

3 結(jié) 論

本文采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).可見，在預(yù)測(cè)期內(nèi)，實(shí)際值與預(yù)測(cè)值的走勢(shì)大致相當(dāng)，但預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大，尤其是170期以后的預(yù)測(cè)值，導(dǎo)致偏差較大的原因可能是：

1）影響因素的復(fù)雜性.影響匯率變動(dòng)的因素是多樣的，不僅僅受到經(jīng)濟(jì)因素的影響也受到政治因素等不確定因素的影響.影響匯率的外匯市場(chǎng)具有一定非線性特征，而匯率預(yù)測(cè)的依據(jù)是以過去與現(xiàn)在推測(cè)未來，使其預(yù)測(cè)難度較大.這些均會(huì)影響預(yù)測(cè)效果，使得預(yù)測(cè)的準(zhǔn)確性欠佳.

2）誤差傳遞.由于神經(jīng)網(wǎng)絡(luò)是通過學(xué)習(xí)輸入模式進(jìn)行建模的，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，網(wǎng)絡(luò)輸出值要反饋給輸入端作為輸入的一部分，那么在網(wǎng)絡(luò)輸出存在的誤差又將帶入輸入層.因此，這種反饋模式下的誤差與不確定性，進(jìn)而影響到預(yù)測(cè)的準(zhǔn)確性.

3）無自檢驗(yàn).在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)過程中，每一次輸入得到一個(gè)相應(yīng)結(jié)果，而這樣的結(jié)果并不能確保可靠性，進(jìn)而也會(huì)影響預(yù)測(cè)的準(zhǔn)確性.^[6]

參考文獻(xiàn)

[1] 李亞瓊， 黃立宏. 兩種匯率制度的雙幣種期權(quán)定價(jià)模型及其解[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2009， 26（4）：14-19.

[2] Xiaofeng HUI， Zhewei Li，Quan QING.Using fuzzy neural networks for RMB/USD real exchange rate forecasting [J].Journal of Harbin Institute of Technology （New Series），2005，12（2）：189-192.

[3] 陳明等. MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例詳解[M]. 北京：清華大學(xué)出版社， 2013：388-389.

[4] 國(guó)家外匯管理局：人民幣匯率中間價(jià). http：//www.safe.gov.cn/

[5] 朱新玲， 黎鵬. 基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率擬合與預(yù)測(cè)研究[J]. 中南民族大學(xué)學(xué)報(bào)， 2010， 29（3）：114-115.

[6] 戴鈺. 最優(yōu)組合預(yù)測(cè)模型的構(gòu)建及其應(yīng)用研究[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2010， 27（1）：93-96.

摘 要 采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).處理過程對(duì)樣本序列進(jìn)行了分類，并對(duì)訓(xùn)練與測(cè)試樣本進(jìn)行了殘差分析.預(yù)測(cè)結(jié)果表明：該方法對(duì)匯率漲落方向的預(yù)測(cè)準(zhǔn)確度達(dá)到74.54%，對(duì)匯率預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大的情況，并分析了產(chǎn)生誤差的原因.

關(guān)鍵詞 Elman網(wǎng)絡(luò)； 時(shí)間序列；殘差分析； 漲落方向

中圖分類號(hào) O29 文獻(xiàn)標(biāo)識(shí)碼 A

1 引 言

匯率，即以另一國(guó)的貨幣來衡量本國(guó)貨幣的價(jià)格.它作為一個(gè)重要的經(jīng)濟(jì)變量，其變動(dòng)對(duì)國(guó)民收入的增減、工農(nóng)業(yè)的發(fā)展、國(guó)內(nèi)利率、人民就業(yè)等各方面都有著重要的影響.匯率同時(shí)也是國(guó)際貿(mào)易中一個(gè)極其重要的調(diào)節(jié)杠桿，它對(duì)在對(duì)開放條件下的宏觀經(jīng)濟(jì)運(yùn)行和微觀經(jīng)濟(jì)層面上的資源配置具有重要的影響，在某種意義上說，它直接影響著商品在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)力.因此，匯率預(yù)測(cè)受到廣泛的關(guān)注，大量的模型被用于匯率波動(dòng)的預(yù)測(cè).

一般常用的預(yù)測(cè)方法包含時(shí)間序列方法（隨機(jī)時(shí)間序列方法、指數(shù)平滑法、移動(dòng)平滑法）、灰色預(yù)測(cè)方法、相關(guān)（回歸）分析法等.由于匯率為服從耗散結(jié)構(gòu)的非線性、開放的動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的預(yù)測(cè)方法對(duì)其經(jīng)濟(jì)指標(biāo)預(yù)測(cè)難以勝任，固定匯率制度下匯率的變化是確定性的，且利用中國(guó)的匯率數(shù)據(jù)采用實(shí)證方法， 得到固定比率制度下匯率是時(shí)間的函數(shù)； 而浮動(dòng)匯率制度下匯率的變化是隨機(jī)的^[1]，而考慮到神經(jīng)網(wǎng)絡(luò)具有非線性映射、自適應(yīng)學(xué)習(xí)及魯棒容錯(cuò)性等優(yōu)良特性，使其能夠較為精確地描述非線性的動(dòng)態(tài)過程.并且神經(jīng)網(wǎng)絡(luò)具有傳統(tǒng)的建模方法所不具備的許多優(yōu)點(diǎn)：對(duì)被建模對(duì)象經(jīng)驗(yàn)知識(shí)的要求不多，一般情況不必事先知道有關(guān)被建模對(duì)象的參數(shù)、結(jié)構(gòu)以及動(dòng)態(tài)特性等方面的知識(shí)，而只需給出對(duì)象的輸入及輸出數(shù)據(jù)，通過網(wǎng)絡(luò)本身的學(xué)習(xí)功能便可達(dá)到輸入和輸出的映射關(guān)系.因此這也為對(duì)匯率變化趨勢(shì)的預(yù)測(cè)研究提供一條嶄新的思路.

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行匯率預(yù)測(cè)的模型有兩大類：同質(zhì)模型和異質(zhì)模型^[2].同質(zhì)模型主要通過歷史匯率來預(yù)測(cè)未來匯率；異質(zhì)模型中要考慮影響匯率的一些關(guān)鍵因素，如利率、通貨膨脹率、原油價(jià)格等.由于影響匯率波動(dòng)的因素太多，關(guān)鍵因素很難確定且歷史數(shù)據(jù)也不容易得到，因此通常采用同質(zhì)模型進(jìn)行預(yù)測(cè).目前應(yīng)用最廣的兩類神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò).前饋神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)映射，它是單元之間的連接，不會(huì)形成有向圈，不適合用來表示動(dòng)態(tài)映射，動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)具有逼近系統(tǒng)的動(dòng)態(tài)過程，而且由于其固有的反饋結(jié)構(gòu)，往往只需單層的網(wǎng)絡(luò)就可以表達(dá)復(fù)雜的動(dòng)態(tài)系統(tǒng)，其中Elman網(wǎng)絡(luò)就是一種典型的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò).

3 結(jié) 論

本文采用神經(jīng)網(wǎng)絡(luò)Elman網(wǎng)絡(luò)模型對(duì)匯率進(jìn)行預(yù)測(cè).可見，在預(yù)測(cè)期內(nèi)，實(shí)際值與預(yù)測(cè)值的走勢(shì)大致相當(dāng)，但預(yù)測(cè)值與實(shí)際值之間的偏差略為偏大，尤其是170期以后的預(yù)測(cè)值，導(dǎo)致偏差較大的原因可能是：

1）影響因素的復(fù)雜性.影響匯率變動(dòng)的因素是多樣的，不僅僅受到經(jīng)濟(jì)因素的影響也受到政治因素等不確定因素的影響.影響匯率的外匯市場(chǎng)具有一定非線性特征，而匯率預(yù)測(cè)的依據(jù)是以過去與現(xiàn)在推測(cè)未來，使其預(yù)測(cè)難度較大.這些均會(huì)影響預(yù)測(cè)效果，使得預(yù)測(cè)的準(zhǔn)確性欠佳.

2）誤差傳遞.由于神經(jīng)網(wǎng)絡(luò)是通過學(xué)習(xí)輸入模式進(jìn)行建模的，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，網(wǎng)絡(luò)輸出值要反饋給輸入端作為輸入的一部分，那么在網(wǎng)絡(luò)輸出存在的誤差又將帶入輸入層.因此，這種反饋模式下的誤差與不確定性，進(jìn)而影響到預(yù)測(cè)的準(zhǔn)確性.

3）無自檢驗(yàn).在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)過程中，每一次輸入得到一個(gè)相應(yīng)結(jié)果，而這樣的結(jié)果并不能確?？煽啃?，進(jìn)而也會(huì)影響預(yù)測(cè)的準(zhǔn)確性.^[6]

參考文獻(xiàn)

[1] 李亞瓊， 黃立宏. 兩種匯率制度的雙幣種期權(quán)定價(jià)模型及其解[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2009， 26（4）：14-19.

[2] Xiaofeng HUI， Zhewei Li，Quan QING.Using fuzzy neural networks for RMB/USD real exchange rate forecasting [J].Journal of Harbin Institute of Technology （New Series），2005，12（2）：189-192.

[3] 陳明等. MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例詳解[M]. 北京：清華大學(xué)出版社， 2013：388-389.

[4] 國(guó)家外匯管理局：人民幣匯率中間價(jià). http：//www.safe.gov.cn/

[5] 朱新玲， 黎鵬. 基于BP神經(jīng)網(wǎng)絡(luò)的人民幣匯率擬合與預(yù)測(cè)研究[J]. 中南民族大學(xué)學(xué)報(bào)， 2010， 29（3）：114-115.

[6] 戴鈺. 最優(yōu)組合預(yù)測(cè)模型的構(gòu)建及其應(yīng)用研究[J]. 經(jīng)濟(jì)數(shù)學(xué)， 2010， 27（1）：93-96.