金融问题中的支持向量机应用研究

发布时间：2021-03-31 06:12

　　本文基于“知识驱动的数据挖掘（Knowledge-driven datamining）",针对金融数据的特性对支持向量机进行适应性改进,并开展其在金融问题中的应用研究。首先,分析了支持向量机理论及其在金融数据挖掘应用方面存在的局限性。在概述支持向量机的涵义、模型构建原则、类型及其算法基础上,着重强调结构风险最小化原则是其内在本质和优势所在。但针对金融数据非线性、非平稳、高噪声等特性,常规支持向量机仍存在一些不足。如,对样本和特征的动态适应性较差,在处理具有野点、离群点等性质的金融数据时稳定性欠佳,等等。所有这些局限促成了本文工作的任务,即对支持向量机进行金融数据的适应性改进。其次,立足模型选择角度,围绕支持向量机的自身参数（meta-parameters）C、ε的确定和特征异质性的考虑,改进现有的样本重要性和特征重要性调整方法,探讨对样本和特征进行合理加权的途径,提高支持向量机对金融数据的适用程度。基于打折的最小二乘思想（DLS）,利用基于信息特征与含量的概率估计方法,对指数权重函数进行修正,从而获得样本的权重值。同时,采用基于支持向量机输出对输入变量导数的显著性分析方法（DB-SA）... 

【文章来源】：山东科技大学山东省

【文章页数】：110 页

【学位级别】：博士

【部分图文】：

结构风险最小化示意图

}}砰{}一}}班}厂本距离分类超平面的最短距离。这意味着最大化样本到超平面的距离相当于最小化，几何意义详见图2.2。式 (2.1)的对偶问题为:合客客夕，y了口，“/‘(X，，X少，一客“‘ (2.2)l“·艺a，y，=0j=]0‘a，‘C2

任何核函数的非负线性组合仍然是一个Merce:核152]，这样可根据数据情况构造适宜的核函数。一旦核函数确定后，通过训练样本，可以优化得到模型中的各个参数。核函数的功能可用图2.5来描述。甲v甲拭x)非线性分离线性分离图2.5适用于分类的核方法 Fig.2.5The骊 rnelmethodforelassineation现在，利用测试集来检验这个模型。模型的预测精度用标准均方差 (TheNormallzed MeansquaredErmr，刃“夕百)和平均绝对差 (TheMeanAbsoluteError，几艺搜E)等统计标准来测度，其定义如下~一六客(二一f(X，))2。:一粤力y‘一，(x，)l (2.3)其中

【参考文献】：
期刊论文
[1]一种快速的SVM最优核参数选择方法[J]. 李琼,董才林,陈增照,何秀玲.  计算机工程与应用. 2010(15)
[2]基于加权支持向量机的VaR计算方法研究[J]. 胡莹,王安民.  经济数学. 2010(01)
[3]基于支持向量机的套期保值技术研究[J]. 杨国梁,张新新,杨敏慧.  中央财经大学学报. 2010(03)
[4]基于遗传神经网络的指数跟踪优化方法[J]. 刘磊.  系统工程理论与实践. 2010(01)
[5]基于支持向量机的金融市场指数追踪技术研究[J]. 杨国梁,赵社涛,徐成贤.  国际金融研究. 2009(10)
[6]支持向量机的研究进展[J]. 陈俏,曹根牛,谢丽娟.  现代计算机(专业版). 2009(04)
[7]基于神经网络的支持向量机学习方法研究[J]. 郭虎升,王文剑.  计算机工程与应用. 2009(02)
[8]基于WNN-RAGA的非线性组合预测方法[J]. 王硕,杨善林,马溪骏.  系统工程理论与实践. 2008(12)
[9]金融衍生证券的人工神经网络定价方法研究进展评述[J]. 刘凤琴,马俊海.  财经论丛. 2008(03)
[10]货币市场与资本市场的连通与协调机理研究[J]. 白钦先,汪洋.  当代财经. 2007(11)

博士论文
[1]基于Copula理论的金融市场相依结构研究[D]. 任仙玲.天津大学 2008
[2]非线性预测控制及应用研究[D]. 张日东.浙江大学 2007



本文编号：3110945