【摘要】：伴隨著經(jīng)濟(jì)體制的逐步成熟以及人們對股市關(guān)注度的提高,股票市場作為宏觀經(jīng)濟(jì)的“晴雨表”,預(yù)示著一個(gè)國家經(jīng)濟(jì)的走向。但股票市場高度復(fù)雜化、非線性、不確定性等特點(diǎn),使其價(jià)格波動(dòng)的預(yù)測異常困難,因此,傳統(tǒng)的計(jì)量結(jié)構(gòu)模型和時(shí)間序列模型不足以滿足股票數(shù)據(jù)的預(yù)測要求。支持向量機(jī)是一種新型機(jī)器學(xué)習(xí)技術(shù),它是建立在統(tǒng)計(jì)學(xué)習(xí)理論、最優(yōu)化理論以及結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的基礎(chǔ)上,能夠較好的解決小樣本學(xué)習(xí),同時(shí)避免了“維數(shù)災(zāi)難”、網(wǎng)絡(luò)收斂速度慢、容易造成局部極小化等缺點(diǎn)。目前該技術(shù)已在多個(gè)領(lǐng)域得到成功應(yīng)用,主要應(yīng)用于數(shù)據(jù)的分類和回歸問題。隨著對金融時(shí)間序列研究的不斷深入,人們逐漸發(fā)現(xiàn)自回歸條件異方差模型對市場波動(dòng)性的刻畫比較準(zhǔn)確,并且具有一定的預(yù)測能力。為準(zhǔn)確識(shí)別、測量金融市場的風(fēng)險(xiǎn),將VaR引入我國股票市場是勢在必行之舉,這些都對分析股市經(jīng)濟(jì)含義,方法金融風(fēng)險(xiǎn)具有重要參考價(jià)值。本文首先介紹了支持向量機(jī)的相關(guān)理論,接下來對時(shí)間序列模型及風(fēng)險(xiǎn)價(jià)值進(jìn)行說明,通過選取滬深300指數(shù)和個(gè)股股票價(jià)格為研究對象,對其建立條件異方差模型,并利用基于CARCH類模型的VaR值來描述股市風(fēng)險(xiǎn)的實(shí)際情況,經(jīng)過不斷優(yōu)化選擇ε-支持向量回歸機(jī)模型的參數(shù)最終確立模型,并且采用支持向量回歸算法與條件異方差模型相結(jié)合的方法對滬深300指數(shù)進(jìn)行預(yù)測,推測未來趨勢。最后,通過預(yù)測值與真實(shí)值之間的對比。得到幾種模型的預(yù)測精度和預(yù)測效果。本文結(jié)果表明,支持向量機(jī)的預(yù)測精度要優(yōu)于其他模型,對股票數(shù)據(jù)的預(yù)測效果比較令人滿意,由此可見,支持向量回歸算法對股市的預(yù)測具有一定的有效性。
【圖文】：

圖 2.1 結(jié)構(gòu)風(fēng)險(xiǎn)最小化示意圖Fig.2.1 Schematic diagram of structural risk minimization分類機(jī)人于 20 世紀(jì) 90 年代中期提出的支持向量機(jī)是統(tǒng)計(jì)核心思想是將結(jié)構(gòu)風(fēng)險(xiǎn)最小化應(yīng)用到分類當(dāng)中，為數(shù)依據(jù)。在訓(xùn)練樣本中找到最優(yōu)超平面而將樣本分開是初在線性情況下可分，將其歸納為對凸二次優(yōu)化及處理非線性情況下可分。當(dāng)遇到在維度較低的空間中在映射到高維度空間后卻可以使其轉(zhuǎn)化為簡單的線維后再分類的思想為不同形態(tài)的數(shù)據(jù)分類提供了可分復(fù)雜這一弊端，為避免“維數(shù)災(zāi)難”我們引入了核間中的內(nèi)積運(yùn)算，徹底解決了數(shù)據(jù)分類中所產(chǎn)生的一種適用性強(qiáng)、計(jì)算簡單可行的學(xué)習(xí)方法。

圖 2.2 最優(yōu)分類超平面Fig2.2 optimal margin本集 1 2 i iG x ,y ,i , , l 是線性可分的，其中1 ，iy 是ix 的樣本類別，如果nix R屬于第 1 類，第 2 類，則ix 標(biāo)記為負(fù) 1 iy 。則必然存在一個(gè)w,x b 0,其中 w,x 是 w 與 x 的內(nèi)積, b 為偏移量。把數(shù)據(jù)件：w,x b 1當(dāng) 1iy w,x b 1 當(dāng) 1iy
【學(xué)位授予單位】：遼寧師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮劍豐;王洪禮;李勝朋;;基于支持向量機(jī)的浮游植物密度預(yù)測研究[J];海洋環(huán)境科學(xué);2007年05期

2 蔡佳;陳洪;;ν-支持向量機(jī)的收斂性[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

3 唐萬梅;;基于灰色支持向量機(jī)的新型預(yù)測模型[J];系統(tǒng)工程學(xué)報(bào);2006年04期

4 熊宇虹;溫志渝;梁玉前;陳勤;張波;劉妤;向賢毅;;基于支持向量機(jī)的模型傳遞方法研究[J];光譜學(xué)與光譜分析;2007年01期

5 左林;;一個(gè)新的稀疏支持向量機(jī)模型[J];山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

6 赫英明;王漢杰;;支持向量機(jī)在積雪檢測中的應(yīng)用[J];南京氣象學(xué)院學(xué)報(bào);2009年01期

7 賈亮;王禮力;;支持向量機(jī)在上市公司財(cái)務(wù)預(yù)警模型中的應(yīng)用[J];淮陰工學(xué)院學(xué)報(bào);2010年02期

8 郎宇寧;藺娟如;;基于支持向量機(jī)的多分類方法研究[J];中國西部科技;2010年17期

9 謝福民;;支持向量機(jī)理論研究[J];科技廣場;2011年01期

10 王紅蔚;席紅旗;孔波;;一種新的半監(jiān)督支持向量機(jī)[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2012年03期

相關(guān)會(huì)議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評估模型[A];第六屆（2011）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會(huì)暨第九屆全國會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：2538239