【摘要】：21世紀,金融無疑是現(xiàn)代經(jīng)濟的核心。金融業(yè)的健康發(fā)展,是經(jīng)濟持續(xù)增長、社會穩(wěn)定發(fā)展的必然要求。探索金融市場瞬息萬變中所隱含的規(guī)律,從而有效管理金融市場,提高金融業(yè)投資效率,是各級政府及投資機構(gòu)的主要目標之一。但是,近年來金融行業(yè)不斷出現(xiàn)的異�，F(xiàn)象,例如保險與信貸欺詐,洗錢活動,會計信息造假等(負性異常),嚴重損害了金融業(yè)的健康發(fā)展和廣大人民的利益。因此,加強金融行業(yè)的監(jiān)管,及時識別、防范此類異常現(xiàn)象的發(fā)生,具有重要的現(xiàn)實意義。另外,對于金融投資機構(gòu)或個人投資者來說,研究金融行業(yè)中的另一種異常現(xiàn)象—價格趨勢發(fā)生反轉(zhuǎn)的拐點(正性異常),也具有重要的投資意義。 本文在學(xué)習研究相關(guān)文獻的基礎(chǔ)上,發(fā)掘新思路,應(yīng)用計算智能理論進行金融領(lǐng)域的兩類異常現(xiàn)象的發(fā)現(xiàn)研究,為相關(guān)部門或個人提供決策參考。對于金融領(lǐng)域的負性異常現(xiàn)象,選用來自UCI的信貸數(shù)據(jù)進行相關(guān)研究;對于金融領(lǐng)域的正性異�，F(xiàn)象,選用股票數(shù)據(jù)進行相關(guān)研究。 關(guān)于這兩個數(shù)據(jù)集,現(xiàn)有研究情況如下： (1)關(guān)于信貸數(shù)據(jù)集的研究,目前的文獻主要是將其作為實驗數(shù)據(jù)來驗證分類算法的有效性,沒能從信貸數(shù)據(jù)本身的特征出發(fā)進行研究,因此難以給相關(guān)部門提供決策參考。 (2)現(xiàn)有的關(guān)于股市異常的實證研究,主要是提出一種新的異常發(fā)現(xiàn)算法,然后將股票數(shù)據(jù)作為一個實驗數(shù)據(jù)集來驗證算法；或者只是研究了股市發(fā)生異常前后的特征,還沒能將這種發(fā)現(xiàn)的特征量化以預(yù)測異�，F(xiàn)象；或者所定義的異常點對于現(xiàn)實決策的參考意義不是很大。 本文針對以上不足,做了以下研究： (1)對于信貸數(shù)據(jù)集,首先應(yīng)用粗糙集理論進行特征選擇,得到一個約簡后的特征子集；然后應(yīng)用貝葉斯理論進行分析,以發(fā)現(xiàn)易導(dǎo)致信貸異常發(fā)生的特征；最后應(yīng)用樸素貝葉斯分類器進行分類研究,并改進算法進一步提高異常信貸的正確識別率。 (2)對上證A股銀行類個股數(shù)據(jù)進行異常發(fā)現(xiàn)研究。首先收集并整理相關(guān)數(shù)據(jù)；然后根據(jù)股市技術(shù)分析的相關(guān)理論,通過分析個股后市的發(fā)展趨勢,定義一種新的異常點：買點或賣點—后市股價將有大幅上升或下降的時間點,并根據(jù)異常點的定義發(fā)現(xiàn)股價序列中的異常點；最后根據(jù)研究需要,將數(shù)據(jù)根據(jù)日均成交金額分成兩組,并分組訓(xùn)練基于F-score的SVM分類模型。實驗證明,利用SVM分類器進行異常識別研究,可以取得較好的結(jié)果；而且成交活躍的第二組數(shù)據(jù)的實驗結(jié)果明顯優(yōu)于成交不夠活躍的第一組數(shù)據(jù)：分類準確率可以達到80%左右,正異常數(shù)據(jù)(買點)的正確識別率達到79%,負異常數(shù)據(jù)(賣點)的正確識別率達到75.56%。
【圖文】：

⑧纓回杏嗀....一..…，.引.一一田溉出一，

本文編號：2617434