本文關(guān)鍵詞：基于PSO-LSSVR優(yōu)化算法中文的互聯(lián)網(wǎng)金融收益率預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái)互聯(lián)網(wǎng)科技突飛猛進(jìn),從云計(jì)算、物聯(lián)網(wǎng)到霧計(jì)算、AlphaGo“人機(jī)大戰(zhàn)”等一系列技術(shù)和應(yīng)用應(yīng)運(yùn)而生,有力地沖擊了傳統(tǒng)行業(yè)�；ヂ�(lián)網(wǎng)金融是在互聯(lián)網(wǎng)科技創(chuàng)新和傳統(tǒng)金融行業(yè)融合的背景下產(chǎn)生的,特別是互聯(lián)網(wǎng)金融的收益率大小對(duì)指導(dǎo)金融投資、推動(dòng)我國(guó)利率市場(chǎng)化和發(fā)展普惠金融有著及其深刻的影響,因此對(duì)互聯(lián)網(wǎng)金融收益率的預(yù)測(cè)研究顯得尤其重要。本文以余額寶七日年化收益率數(shù)據(jù)作為研究對(duì)象,分別用前饋神經(jīng)網(wǎng)絡(luò)(BPNN)、小波神經(jīng)網(wǎng)絡(luò)(WNN)、支持向量回歸機(jī)(SVR)和粒子群算法優(yōu)化的最小二乘支持向量回歸機(jī)(PSO-LSSVR)四種機(jī)器學(xué)習(xí)算法對(duì)訓(xùn)練集進(jìn)行數(shù)據(jù)挖掘和仿真模擬,然后用測(cè)試集數(shù)據(jù)對(duì)仿真模型的預(yù)測(cè)效果進(jìn)行檢驗(yàn),結(jié)果表明:SVR和PSO-LSSVR相對(duì)于神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)效果較好。然后,我們?cè)龠x取嘉實(shí)活期寶貨幣基金收益率數(shù)據(jù)對(duì)上述方法進(jìn)行驗(yàn)證比較,結(jié)果同樣表明:PSO-LSSVR的預(yù)測(cè)效果比神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果好,且PSO-LSSVR的預(yù)測(cè)效果比普通SVR的預(yù)測(cè)效果好。文章通過(guò)實(shí)證分析對(duì)互聯(lián)網(wǎng)金融收益率的趨勢(shì)進(jìn)行了良好預(yù)測(cè),其實(shí)際意義表現(xiàn)在三個(gè)方面:第一,互聯(lián)網(wǎng)金融作為一個(gè)創(chuàng)新的金融平臺(tái)也具有傳統(tǒng)金融所面臨的投資風(fēng)險(xiǎn),對(duì)互聯(lián)網(wǎng)金融收益率走勢(shì)的準(zhǔn)確預(yù)測(cè)能夠指導(dǎo)投資者進(jìn)行投資;第二,互聯(lián)網(wǎng)金融機(jī)制是完全市場(chǎng)化的,研究互聯(lián)網(wǎng)金融收益率未來(lái)走勢(shì)有助于研究我國(guó)利率市場(chǎng)化的進(jìn)程;第三,互聯(lián)網(wǎng)金融作為一個(gè)高效的大眾理財(cái)平臺(tái),互聯(lián)網(wǎng)金融收益率走勢(shì)有助于研究我國(guó)踐行普惠金融的進(jìn)展。
【關(guān)鍵詞】：互聯(lián)網(wǎng)金融 機(jī)器學(xué)習(xí) 數(shù)據(jù)挖掘 支持向量機(jī)
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F724.6;F832.2;F224
【目錄】：

• 中文摘要3-4
• 英文摘要4-7
• 第一章 緒論7-14
• 1.1 課題的背景及意義7-9
• 1.1.1 課題研究的背景7-8
• 1.1.2 課題研究的意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 國(guó)外部分9-10
• 1.2.2 國(guó)內(nèi)部分10-12
• 1.3 本文的主要內(nèi)容及結(jié)構(gòu)12-14
• 1.3.1 本文主要研究?jī)?nèi)容12
• 1.3.2 本文篇章結(jié)構(gòu)12-14
• 第二章 互聯(lián)網(wǎng)金融相關(guān)理論14-17
• 2.1 互聯(lián)網(wǎng)金融及其發(fā)展14-15
• 2.1.1 互聯(lián)網(wǎng)金融定義14
• 2.1.2 互聯(lián)網(wǎng)金融發(fā)展14-15
• 2.2 余額寶15-17
• 第三章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)17-22
• 3.1 統(tǒng)計(jì)學(xué)習(xí)理論17-19
• 3.1.1 機(jī)器學(xué)習(xí)17
• 3.1.2 VC維17-18
• 3.1.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化18-19
• 3.2 支持向量機(jī)理論19-22
• 3.2.1 支持向量機(jī)原理19-20
• 3.2.2 核函數(shù)20-22
• 第四章 模型仿真與實(shí)證分析22-45
• 4.1 數(shù)據(jù)選取22-24
• 4.2 實(shí)證分析24-35
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)24-27
• 4.2.2 小波神經(jīng)網(wǎng)絡(luò)27-31
• 4.2.3 支持向量回歸機(jī)31-33
• 4.2.4 模型匯總33-35
• 4.3 粒子群算法優(yōu)化最小二乘支持向量機(jī)35-41
• 4.3.1 最小二乘支持向量機(jī)35-36
• 4.3.2 粒子群算法36-38
• 4.3.3 PSO算法優(yōu)化前后對(duì)比38-41
• 4.4 模型驗(yàn)證41-45
• 第五章 結(jié)論與展望45-47
• 5.1 本文結(jié)論45
• 5.2 未來(lái)展望45-47
• 參考文獻(xiàn)47-50
• 致謝50

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 許偉;基于PSO-LSSVR優(yōu)化算法中文的互聯(lián)網(wǎng)金融收益率預(yù)測(cè)研究[D];蘭州大學(xué);2016年

  本文關(guān)鍵詞：基于PSO-LSSVR優(yōu)化算法中文的互聯(lián)網(wǎng)金融收益率預(yù)測(cè)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：363767