支持向量機(jī)是以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ),建立在VC維和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則之上的一種人工智能方法。它在多數(shù)情況下可以克服“維數(shù)災(zāi)難”和局部極小等傳統(tǒng)困難,因此擁有很強(qiáng)的泛化能力。該技術(shù)現(xiàn)已成為機(jī)器學(xué)習(xí)的研究熱點(diǎn),并在模式識(shí)別、圖像分類等很多領(lǐng)域得到了成功應(yīng)用。目前支持向量機(jī)主要應(yīng)用于解決分類和回歸問(wèn)題,很少用于時(shí)間序列預(yù)測(cè)。 時(shí)間序列預(yù)測(cè)是指通過(guò)有限的歷史樣本建立模型,利用模型解釋數(shù)據(jù)的統(tǒng)計(jì)學(xué)規(guī)律以達(dá)到控制和預(yù)報(bào)的目的。預(yù)報(bào)只是預(yù)測(cè)的一個(gè)方面,而預(yù)測(cè)一個(gè)最重要的功能就是把未來(lái)不確定的風(fēng)險(xiǎn)轉(zhuǎn)化為可測(cè)算風(fēng)險(xiǎn)。盡管不確定性未知,但風(fēng)險(xiǎn)卻可以通過(guò)概率分布的統(tǒng)計(jì)來(lái)度量,比如經(jīng)驗(yàn)風(fēng)險(xiǎn)、結(jié)構(gòu)風(fēng)險(xiǎn)和各種損失函數(shù)等。預(yù)測(cè)的誤差是不可避免的,預(yù)測(cè)者所能夠做的就是盡可能的找到更出色的預(yù)測(cè)技術(shù)來(lái)不斷降低預(yù)測(cè)的誤差,從而使投資人的目標(biāo)函數(shù)盡可能的利益最大化同時(shí)風(fēng)險(xiǎn)最小。近年來(lái),對(duì)金融工程研究已成為一大熱點(diǎn),人們將神經(jīng)網(wǎng)絡(luò)、混沌理論、遺傳算法以及系統(tǒng)理論和當(dāng)代應(yīng)用數(shù)學(xué)研究的最新進(jìn)展等眾多理論與方法應(yīng)用于金融時(shí)間序列預(yù)測(cè)。本文將最小二乘支持向量算法與時(shí)間序列模型相結(jié)合應(yīng)用于金融領(lǐng)域的預(yù)測(cè),以期得到更好的推廣。 文章緒論部分...

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題提出的背景
    1.2 課題提出的現(xiàn)狀
    1.3 預(yù)測(cè)概述
    1.4 主要工作和研究?jī)?nèi)容
    1.5 文章組織結(jié)構(gòu)
2 支持向量回歸理論
    2.1 理論基礎(chǔ)
        2.1.1 經(jīng)驗(yàn)風(fēng)險(xiǎn)和期望風(fēng)險(xiǎn)
        2.1.2 VC 維
        2.1.3 推廣性的界
        2.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    2.2 支持向量回歸算法
        2.2.1 線性回歸算法
        2.2.2 非線性回歸算法
        2.2.3 最小二乘支持向量回歸算法
3 時(shí)間序列模型
    3.1 引言
    3.2 一般模型
        3.2.1 一般自回歸模型
        3.2.2 自回歸移動(dòng)平均模型
        3.2.3 趨勢(shì)模型
    3.3 條件異方差模型
        3.3.1 ARCH 模型
        3.3.2 GARCH 模型
        3.3.3 幾種擴(kuò)展模型
4 支持向量回歸和時(shí)間序列模型在金融市場(chǎng)預(yù)測(cè)中的應(yīng)用
    4.1 引言
    4.2 對(duì)上證指數(shù)的預(yù)測(cè)
        4.2.1 GARCH 模型預(yù)測(cè)
        4.2.2 LSSVM ? GARCH? M 模型預(yù)測(cè)
    4.3 對(duì)股指期貨走勢(shì)的預(yù)測(cè)
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)的選取及處理
        4.3.2 數(shù)據(jù)檢驗(yàn)
        4.3.3 模型預(yù)測(cè)
    4.4 實(shí)驗(yàn)結(jié)果分析及展望
        4.4.1 實(shí)驗(yàn)結(jié)果分析
        4.4.2 展望
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3803449