風(fēng)險(xiǎn)是影響一切金融活動(dòng)的基本要素。我國(guó)金融市場(chǎng)作為一個(gè)發(fā)展中的新興市場(chǎng),不僅僅是信用風(fēng)險(xiǎn),市場(chǎng)風(fēng)險(xiǎn)等其他風(fēng)險(xiǎn)也必將隨著金融市場(chǎng)的發(fā)展而逐漸加大。因此,金融風(fēng)險(xiǎn)管理方法研究對(duì)當(dāng)前及未來我國(guó)金融創(chuàng)新以及投資機(jī)構(gòu)進(jìn)行投資決策均具有重要的意義。/支持向量機(jī)（Support Vector Machine,SVM）是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新的機(jī)器學(xué)習(xí)方法,由于其完備的理論基礎(chǔ)、出色的學(xué)習(xí)性能及預(yù)測(cè)性能而得到了廣泛的應(yīng)用。本文研究基于支持向量機(jī)的證券風(fēng)險(xiǎn)管理方法,主要的工作和取得的成果有:系統(tǒng)總結(jié)與回顧了證券市場(chǎng)投資風(fēng)險(xiǎn)度量方法;介紹了基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的支持向量機(jī)理論與方法及SVM在經(jīng)濟(jì)學(xué)中的應(yīng)用情況并研究了基于SVM的證券價(jià)格預(yù)測(cè)方法。以上海證券交易所綜合指數(shù)為例的實(shí)證研究表明SVM模型能夠很好的對(duì)股市波動(dòng)進(jìn)行建模。以華夏大盤精選基金為例的實(shí)證研究表明基于SVM的混沌時(shí)間序列預(yù)測(cè)可以較好捕捉市場(chǎng)運(yùn)行趨勢(shì)和識(shí)別市場(chǎng)異常波動(dòng),是一種優(yōu)秀的風(fēng)險(xiǎn)預(yù)測(cè)與管理工具。針對(duì)統(tǒng)計(jì)學(xué)框架下傳統(tǒng)VaR計(jì)算方法的不足,發(fā)展了基于加權(quán)支持向量機(jī)（W-SVM）的VaR計(jì)算新方法。對(duì)2001-2009年上證... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

上證綜指實(shí)際值與預(yù)測(cè)值的比較

其中 x (t )為混沌時(shí)間序列，τ 為時(shí)延寬度，通常τ 為不小于 1 的整數(shù)維數(shù)。經(jīng)過學(xué)習(xí)，得到預(yù)測(cè)值為^y = f ( X ( t 1))。.3 Henon 混沌時(shí)間序列Henon 映射是一種常見的混沌時(shí)間序列。Henon 映射吸引子的迭代出：{2( 1) 1 ( ( )) ( )( 1) ( )x k A x k yy k Bx k+ = ++ =k取 A=1.4，B=0.3。賦初值0x = 0.03，0y = 0.02，生成 600 組數(shù)據(jù) 組用作訓(xùn)練樣本，后 100 組作為預(yù)測(cè)樣本。根據(jù)相空間重構(gòu)理論， d = 3，時(shí)延τ = 1。經(jīng)過參數(shù)尋優(yōu)后得到預(yù)測(cè)誤差 MSE=6.9625e-004了預(yù)測(cè)值與實(shí)際預(yù)測(cè)值的對(duì)比效果�？梢娀� SVM 的混沌時(shí)間序好的預(yù)測(cè)效果。

4.4.2 預(yù)測(cè)結(jié)果分析仍然取嵌入維數(shù)為 d = 3，時(shí)延τ = 1，支持向量機(jī)模型同 4.2 節(jié)。圖測(cè)值與實(shí)際值的比較。從圖中可以看出，在 20-40 數(shù)據(jù)點(diǎn)間預(yù)測(cè)效果不期間正對(duì)應(yīng) 2008 年 6-7 月間 13 連陰的大盤動(dòng)蕩，類似于 2007 年 5 月 天的極端市場(chǎng)行情。市場(chǎng)恐慌情緒導(dǎo)致大盤選擇向下直到 1665.93 的近點(diǎn)。對(duì)于這種市場(chǎng)恐慌情緒造成的數(shù)據(jù)異常，已不是金融時(shí)間序列所能但是連續(xù)多日的 SVM 預(yù)測(cè)值出現(xiàn)實(shí)際值的偏離，卻可以說明市場(chǎng)交易�，F(xiàn)象。這從另一個(gè)方面給予投資者市場(chǎng)風(fēng)險(xiǎn)預(yù)警，仍然不失其風(fēng)險(xiǎn)預(yù)盡管前期數(shù)據(jù)不足已完全預(yù)測(cè)這種異常交易條件下的價(jià)格波動(dòng)，但仍然不超過 8％的誤差，也還比較好的捕捉到了基金價(jià)格的變動(dòng)趨勢(shì)。數(shù)據(jù)點(diǎn)上的預(yù)測(cè)值比較準(zhǔn)確，這對(duì)應(yīng) 2008 年 7 月后的市場(chǎng)行情，此段期較正常，沒有太多極端行情發(fā)生。這說明混沌時(shí)間序列還是能比較快的場(chǎng)的波動(dòng)�；� SVM 的混沌預(yù)測(cè)模型一方面可以較好的預(yù)測(cè)市場(chǎng)波動(dòng)能對(duì)異常交易進(jìn)行預(yù)警。

【參考文獻(xiàn)】：
期刊論文
[1]VaR模型在金融風(fēng)險(xiǎn)管理中的應(yīng)用[J]. 肖志勇,宿永錚.  生產(chǎn)力研究. 2008(24)
[2]不允許賣空情況下均值-方差和均值-VaR投資組合比較研究[J]. 張鵬.  中國(guó)管理科學(xué). 2008(04)
[3]個(gè)人信用評(píng)估PSO-SVM模型的構(gòu)建及應(yīng)用[J]. 姜明輝,袁緒川.  管理學(xué)報(bào). 2008(04)
[4]兩種帶有能力（Capacity）約束的報(bào)童風(fēng)險(xiǎn)模型最優(yōu)策略[J]. 楊磊,王明征,李文立.  系統(tǒng)工程理論與實(shí)踐. 2008(04)
[5]股票流動(dòng)性風(fēng)險(xiǎn)測(cè)度模型的構(gòu)建與實(shí)證分析[J]. 韓國(guó)文,楊威.  中國(guó)管理科學(xué). 2008(02)
[6]CVaR方法在投資組合中的應(yīng)用[J]. 王玉玲.  統(tǒng)計(jì)與決策. 2008(02)
[7]基于支持向量機(jī)的股票投資價(jià)值分類模型研究[J]. 李云飛,惠曉峰.  中國(guó)軟科學(xué). 2008(01)
[8]基于P-SVM的綠色供應(yīng)商評(píng)價(jià)模型[J]. 郭雪松,孫林巖,徐晟.  預(yù)測(cè). 2007(05)
[9]基于PSO和SVM的上市公司財(cái)務(wù)危機(jī)預(yù)警模型[J]. 胡達(dá)沙,王坤華.  管理學(xué)報(bào). 2007(05)
[10]基于動(dòng)態(tài)CVaR模型的房地產(chǎn)組合投資的風(fēng)險(xiǎn)度量與控制策略[J]. 孟志青,虞曉芬,蔣敏,高輝.  系統(tǒng)工程理論與實(shí)踐. 2007(09)



本文編號(hào)：3292889