【摘要】： 傳統(tǒng)統(tǒng)計(jì)學(xué)研究的樣本是大樣本,理論上假設(shè)樣本為無窮大。然而在實(shí)際問題中,所能得到的樣本常常是小樣本,有時(shí)樣本只有幾個(gè)、十幾個(gè)。基于傳統(tǒng)統(tǒng)計(jì)學(xué)的方法在解決小樣本情況下難以取得理想效果。統(tǒng)計(jì)學(xué)習(xí)理論是建立在有限樣本情況下的統(tǒng)計(jì)學(xué)理論,適合于研究這類小樣本的問題。支持向量機(jī)(Support Vector Machines,簡稱SVMs)是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC(Vapnik-Chervonenkis)維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的一種機(jī)器學(xué)習(xí)方法。SVMs在解決實(shí)際應(yīng)用中的小樣本問題時(shí),具有較大優(yōu)勢(shì)。 金融工程研究中時(shí)常碰到小樣本的問題,這主要是由于已有樣本的數(shù)量與樣本的維數(shù)相比不夠大,例如,運(yùn)用上市公司的財(cái)務(wù)指標(biāo)來選擇投資組合,上市公司的年報(bào)信息可能只有十幾個(gè),但是可選的財(cái)務(wù)指標(biāo)有幾十個(gè)。此時(shí)采用SVMs算法來研究就比較合適。本文分別運(yùn)用SVMs回歸算法和分類算法研究了上證綜合指數(shù)的回歸問題和滬深A(yù)股市場(chǎng)選擇投資組合的問題。 論文的主要工作: 第一章緒論首先討論了金融數(shù)據(jù)的特點(diǎn),并分析了將問題化復(fù)雜為簡單的方法和途徑。隨后對(duì)金融中的數(shù)據(jù)建模方法進(jìn)行了簡要評(píng)述與回顧,從中可以發(fā)現(xiàn)目前金融數(shù)據(jù)的建模方法正朝向多維、處理大量數(shù)據(jù)、融合先驗(yàn)信息并考慮局部信息的混合模型的方向上發(fā)展。展
【圖文】：

最小經(jīng)驗(yàn)風(fēng)險(xiǎn)與置信范圍之和最小的子集，就可以達(dá)風(fēng)險(xiǎn)最小的函數(shù)就是要求的最優(yōu)函數(shù)。這種方法稱作nimization），簡稱 SRM 原則，，如圖 2-3 所示。

σ =1.0σ =5.0σ=25.0圖 2-8 不同σ參數(shù)值的K ( x , y ) = exp { x y/σ}22分界面示意圖Fig.2-8 The different σ ofK ( x , y ) = exp { x y/σ}22and their interfaces
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2007
【分類號(hào)】：F830.91;F224

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 郭文偉;;基于支持向量機(jī)的股市風(fēng)格輪換策略研究[J];管理科學(xué);2009年06期

相關(guān)博士學(xué)位論文 前2條

1 劉小龍;細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用[D];華南理工大學(xué);2011年

2 郭文偉;開放式基金投資風(fēng)格漂移及風(fēng)格資產(chǎn)輪換策略研究[D];華南理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 趙欣;基于支持向量機(jī)的中國證券市場(chǎng)長期投資分析[D];北京交通大學(xué);2011年

2 蔡國成;基于支持向量回歸機(jī)的股價(jià)預(yù)測(cè)研究[D];杭州電子科技大學(xué);2009年

3 狄明明;聚類分析和支持向量機(jī)相結(jié)合的混合預(yù)測(cè)模型[D];遼寧師范大學(xué);2009年

4 趙爽;經(jīng)濟(jì)時(shí)間序列的趨勢(shì)分析和實(shí)證研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2012年

本文編號(hào)：2639940