本文基于“知識(shí)驅(qū)動(dòng)的數(shù)據(jù)挖掘（Knowledge-driven datamining）",針對(duì)金融數(shù)據(jù)的特性對(duì)支持向量機(jī)進(jìn)行適應(yīng)性改進(jìn),并開(kāi)展其在金融問(wèn)題中的應(yīng)用研究。首先,分析了支持向量機(jī)理論及其在金融數(shù)據(jù)挖掘應(yīng)用方面存在的局限性。在概述支持向量機(jī)的涵義、模型構(gòu)建原則、類(lèi)型及其算法基礎(chǔ)上,著重強(qiáng)調(diào)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則是其內(nèi)在本質(zhì)和優(yōu)勢(shì)所在。但針對(duì)金融數(shù)據(jù)非線性、非平穩(wěn)、高噪聲等特性,常規(guī)支持向量機(jī)仍存在一些不足。如,對(duì)樣本和特征的動(dòng)態(tài)適應(yīng)性較差,在處理具有野點(diǎn)、離群點(diǎn)等性質(zhì)的金融數(shù)據(jù)時(shí)穩(wěn)定性欠佳,等等。所有這些局限促成了本文工作的任務(wù),即對(duì)支持向量機(jī)進(jìn)行金融數(shù)據(jù)的適應(yīng)性改進(jìn)。其次,立足模型選擇角度,圍繞支持向量機(jī)的自身參數(shù)（meta-parameters）C、ε的確定和特征異質(zhì)性的考慮,改進(jìn)現(xiàn)有的樣本重要性和特征重要性調(diào)整方法,探討對(duì)樣本和特征進(jìn)行合理加權(quán)的途徑,提高支持向量機(jī)對(duì)金融數(shù)據(jù)的適用程度。基于打折的最小二乘思想（DLS）,利用基于信息特征與含量的概率估計(jì)方法,對(duì)指數(shù)權(quán)重函數(shù)進(jìn)行修正,從而獲得樣本的權(quán)重值。同時(shí),采用基于支持向量機(jī)輸出對(duì)輸入變量導(dǎo)數(shù)的顯著性分析方法（DB-SA）... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：110 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

結(jié)構(gòu)風(fēng)險(xiǎn)最小化示意圖

}}砰{}一}}班}廠本距離分類(lèi)超平面的最短距離。這意味著最大化樣本到超平面的距離相當(dāng)于最小化，幾何意義詳見(jiàn)圖2.2。式 (2.1)的對(duì)偶問(wèn)題為:合客客夕，y了口，“/‘(X，，X少，一客“‘ (2.2)l“·藝a，y，=0j=]0‘a(chǎn)，‘C2

任何核函數(shù)的非負(fù)線性組合仍然是一個(gè)Merce:核152]，這樣可根據(jù)數(shù)據(jù)情況構(gòu)造適宜的核函數(shù)。一旦核函數(shù)確定后，通過(guò)訓(xùn)練樣本，可以優(yōu)化得到模型中的各個(gè)參數(shù)。核函數(shù)的功能可用圖2.5來(lái)描述。甲v甲拭x)非線性分離線性分離圖2.5適用于分類(lèi)的核方法 Fig.2.5The驪 rnelmethodforelassineation現(xiàn)在，利用測(cè)試集來(lái)檢驗(yàn)這個(gè)模型。模型的預(yù)測(cè)精度用標(biāo)準(zhǔn)均方差 (TheNormallzed MeansquaredErmr，刃“夕百)和平均絕對(duì)差 (TheMeanAbsoluteError，幾藝搜E)等統(tǒng)計(jì)標(biāo)準(zhǔn)來(lái)測(cè)度，其定義如下~一六客(二一f(X，))2。:一粵力y‘一，(x，)l (2.3)其中

【參考文獻(xiàn)】：
期刊論文
[1]一種快速的SVM最優(yōu)核參數(shù)選擇方法[J]. 李瓊,董才林,陳增照,何秀玲.  計(jì)算機(jī)工程與應(yīng)用. 2010(15)
[2]基于加權(quán)支持向量機(jī)的VaR計(jì)算方法研究[J]. 胡瑩,王安民.  經(jīng)濟(jì)數(shù)學(xué). 2010(01)
[3]基于支持向量機(jī)的套期保值技術(shù)研究[J]. 楊國(guó)梁,張新新,楊敏慧.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2010(03)
[4]基于遺傳神經(jīng)網(wǎng)絡(luò)的指數(shù)跟蹤優(yōu)化方法[J]. 劉磊.  系統(tǒng)工程理論與實(shí)踐. 2010(01)
[5]基于支持向量機(jī)的金融市場(chǎng)指數(shù)追蹤技術(shù)研究[J]. 楊國(guó)梁,趙社濤,徐成賢.  國(guó)際金融研究. 2009(10)
[6]支持向量機(jī)的研究進(jìn)展[J]. 陳俏,曹根牛,謝麗娟.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2009(04)
[7]基于神經(jīng)網(wǎng)絡(luò)的支持向量機(jī)學(xué)習(xí)方法研究[J]. 郭虎升,王文劍.  計(jì)算機(jī)工程與應(yīng)用. 2009(02)
[8]基于WNN-RAGA的非線性組合預(yù)測(cè)方法[J]. 王碩,楊善林,馬溪駿.  系統(tǒng)工程理論與實(shí)踐. 2008(12)
[9]金融衍生證券的人工神經(jīng)網(wǎng)絡(luò)定價(jià)方法研究進(jìn)展評(píng)述[J]. 劉鳳琴,馬俊海.  財(cái)經(jīng)論叢. 2008(03)
[10]貨幣市場(chǎng)與資本市場(chǎng)的連通與協(xié)調(diào)機(jī)理研究[J]. 白欽先,汪洋.  當(dāng)代財(cái)經(jīng). 2007(11)

博士論文
[1]基于Copula理論的金融市場(chǎng)相依結(jié)構(gòu)研究[D]. 任仙玲.天津大學(xué) 2008
[2]非線性預(yù)測(cè)控制及應(yīng)用研究[D]. 張日東.浙江大學(xué) 2007



本文編號(hào)：3110945