本文關(guān)鍵詞：支持向量機(jī)的漸近統(tǒng)計(jì)性質(zhì)及其應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：本文主要針對(duì)支持向量機(jī)的漸近統(tǒng)計(jì)性質(zhì)展開討論.首先,介紹了支持向量機(jī)及一些相關(guān)概念,分析了研究現(xiàn)狀.其次,在樣本變換的基礎(chǔ)上,定義了單變量加權(quán)支持向量機(jī)的平均推廣誤差E(|θL-θR|/2π).并在樣本容量和支持向量個(gè)數(shù)均充分大的情況下,研究了θL-θR的漸近分布,進(jìn)而得到了平均推廣誤差的收斂上界.隨之,選取三種常見的權(quán)重：等權(quán)重、分式權(quán)重和指數(shù)權(quán)重,計(jì)算了相應(yīng)情況下的平均推廣誤差,并使用隨機(jī)數(shù)據(jù)進(jìn)行了模擬,取得了與理論結(jié)果一致的結(jié)論.除此之外,本文還把統(tǒng)計(jì)建模方法與支持向量機(jī)相結(jié)合,在量化投資領(lǐng)域進(jìn)行了實(shí)例分析.基于2007-2015九年的上證綜指日度數(shù)據(jù),通過變量選擇和參數(shù)篩選等步驟,以支持向量機(jī)為核心構(gòu)建了一個(gè)股票指數(shù)漲跌分類預(yù)測模型,并取得了很好的收益結(jié)果.
【關(guān)鍵詞】：支持向量機(jī) 加權(quán) 平均推廣誤差 漸近分布 收斂上界 量化投資
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;F832.51
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 引言8-12
• §1.1 研究背景8
• §1.2 支持向量機(jī)概述8-9
• §1.3 量化投資概述9-10
• §1.4 本文的研究目的及成果10-12
• 第二章 支持向量機(jī)及相關(guān)概念12-24
• §2.1 支持向量機(jī)12-19
• 2.1.1 最大邊界分類器12-14
• 2.1.2 支持向量分類器14-16
• 2.1.3 支持向量機(jī)16-19
• §2.2 v-支持向量機(jī)19-20
• §2.3 Convex Hull and Reduced Convex Hull20-22
• §2.4 Learning Curves22-24
• 第三章 平均推廣誤差24-32
• §3.1 樣本變換24-30
• §3.2 平均推廣誤差的定義30-32
• 第四章 平均推廣誤差的漸近性質(zhì)32-40
• §4.1 Θ_L-Θ_R的分布32-35
• §4.2 平均推廣誤差的收斂速度35
• §4.3 三種權(quán)重下平均推廣誤差的收斂速度35-40
• 4.3.1 等權(quán)重36-37
• 4.3.2 分式權(quán)重37-38
• 4.3.3 指數(shù)權(quán)重38-40
• 第五章 隨機(jī)模擬40-44
• §5.1 等權(quán)重40-41
• §5.2 分式權(quán)重41-42
• §5.3 指數(shù)權(quán)重42-44
• 第六章 支持向量機(jī)在股票市場中的應(yīng)用44-54
• §6.1 模型概述44-45
• §6.2 變量選擇45-47
• §6.3 參數(shù)篩選與建模構(gòu)建47-52
• 6.3.1 5-變量模型48-50
• 6.3.2 10-變量模型50-52
• §6.4 本章小結(jié)52-54
• 第七章 研究不足與展望54-56
• 參考文獻(xiàn)56-59
• 致謝59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳娟;范玉妹;王麗;;關(guān)于改進(jìn)的支持向量機(jī)的研究[J];攀枝花學(xué)院學(xué)報(bào);2006年05期

2 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機(jī)算法[J];計(jì)算機(jī)應(yīng)用;2008年S2期

3 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機(jī)的研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2012年12期

4 王云英;閻滿富;;C-支持向量機(jī)及其改進(jìn)[J];唐山師范學(xué)院學(xué)報(bào);2012年05期

5 李逢煥;;試述不確定支持向量機(jī)應(yīng)用分析及改進(jìn)思路[J];中國證券期貨;2012年12期

6 邵惠鶴;支持向量機(jī)理論及其應(yīng)用[J];自動(dòng)化博覽;2003年S1期

7 曾嶸,蔣新華,劉建成;基于支持向量機(jī)的異常值檢測的兩種方法[J];信息技術(shù);2004年05期

8 張凡,賀蘇寧;模糊判決支持向量機(jī)在自動(dòng)語種辨識(shí)中的研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

9 魏玲,張文修;基于支持向量機(jī)集成的分類[J];計(jì)算機(jī)工程;2004年13期

10 沈翠華,鄧乃揚(yáng),肖瑞彥;基于支持向量機(jī)的個(gè)人信用評(píng)估[J];計(jì)算機(jī)工程與應(yīng)用;2004年23期

中國重要會(huì)議論文全文數(shù)據(jù)庫 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(píng)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(cè)）[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)：251767