支持向量機(jī)理論及其在金融市場(chǎng)中的應(yīng)用.pdf

1、基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法(SVM)具備堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)和嚴(yán)格的理論分析框架。SVM具有理論完備、全局最優(yōu)、自適應(yīng)性、泛化能力好等優(yōu)點(diǎn),是當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。SVM在堅(jiān)持結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則(SRM)的同時(shí),綜合使用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等方面技術(shù),有效地提高了算法的泛化能力。與傳統(tǒng)的機(jī)器學(xué)習(xí)算法相比,SVM具有良好的應(yīng)用價(jià)值和發(fā)展前景。
　　首先,本文對(duì)“支持向量分類機(jī)與支持向量回歸機(jī)”的理論進(jìn)行梳理;

2、　　其次,提出基于“主成分降維”思想的PCA-SVM算法。在PCA進(jìn)行屬性降維的基礎(chǔ)上,將“交叉驗(yàn)證”(K-folds)思想下的網(wǎng)格算法、遺傳算法以及粒子群算法,分別對(duì)SVC模型的懲罰參數(shù)和徑向基核參數(shù)進(jìn)行尋優(yōu),著重考慮分類精度問題,構(gòu)建精確的商業(yè)銀行房貸違約判別模型。實(shí)證表明,基于三種優(yōu)化算法的PCA-SVM模型均具有較高的分類精度和穩(wěn)定性。
　　再次,本文深入探討SVR的算法性能以及參數(shù)尋優(yōu)。以NYMEX石油期貨價(jià)格合約作為實(shí)