文档介绍：基于支持向量机的金融时间序列分析预测算法研究鲍漪澜职称分类号密级单位代码指导教师张维石学位授予单位教授大连海事大学申请学位级别工学博士学科ㄒ计算机应用技术论文完成日期年答辩日期答辩委员会主席
: ’。‘‘‘‘
谳撇呛砻合缙日期:厶/辍卖大连海事大学学位论文原创性声明和使用授权说明保密口在——年解密后适用本授权书。原创性声明学位论文版权使用授权书撰写成博士学位论文:基王塞挂囱量扭的全融时间庄到坌堑亟型篡法婴究:。除行和提供信息服务。保密的论文在解密质遵守此规定。本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫学位论文全文数据库》泄跗诳光盘版缱釉又旧、《中国学位论文全在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名:本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定,即:大连海事大学有权保留并向国家有关部门或机构送交学位论描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士文数据库》泄蒲Ъ际跣畔⒀芯克等数据库中,并以电子出版物形式出版发本学位论文属于:不保密口‘请在以上方框内打“√”,
创新点摘要岢鲆恢只谏窬绾拖蛄炕毓榛腍反馈网络优化向量回归机算法,把问题转化为目标函数和约束条件,构造能量函数。实验表明,惴ǘ怨善笔谐∈找媛实脑げ饩ǘ让飨愿哂赗算法。岢鲆恢肿允视ρ爸С窒蛄炕毓榛惴ā!8慕闹С窒蛄炕毓榛法。自适应学习支持向量回归,采用难于获取、但对目标变量的影响满足严格递取且实用价值较高的属性做影响因子,在此基础上建立支持向量回归机,实现目标变量的非线性定义。该算法在支持向量机算法的基础上进一步改进和优化,将凸二次规划问题用单一线性方程代替求解,建立支持向量回归机,实现目标变量持向量回归的定义精度。研究结果表明,在金融时间序列预测的精度和鲁棒性上,岢鲆恢只谙嗫占渲毓购椭С窒蛄炕慕鹑谑奔湫蛄性げ馑惴ā6苑窍中最大可能地避免损失。选取最优参数,应用支持向量回归机算法以及核函数对惴ā8盟惴ú捎惴ń呕侍夤榻嵛T诼阍际跫拢蠼饽勘旰数最小值的问题。该算法具有较高的稳定性,可以应用于时间序列趋势预测系统。增或递减的属性粗略定义目标变量。利用这些目标变量做基准变量,采用容易获的非线性定义,提升机器学习训练的速度。该算法计算过程的结束条件是实现支改进后的算法与传统的神经网络预测算法相比具有较为明显的优势。性数据进行相空间重构确定训练样本对,对数据进行预处理,使数据在转化过程训练样本对进行建模,实现对金融时间序列的预测。对金融市场收益率的研究结果表明,这种预测算法较传统支持向量机算法具有更好的预测性能。
摘要金融系统是一个开放的复杂系统,其内部的各个经济变量之间存在着错综复杂的关系。现代金融理论由资金的时间价值、资产定价与风险管理等三大要素构成,其核心问题就是如何在不确定的环境下对资源进行跨期的最优配置。从整个础,作为离散随机过程的金融时间序列是金融模型研究的基石与关键。鉴于股指收益序列与波动率序列在投资组合与风险规避中的重要作用,科学地预测金融市场的波动特征,掌握金融市场的波动规律及其结构对金融风险的规避防范与管理率预测是诸多金融模型研究的前提与基础。因此,以股指收益及波动率作为研究对金融市场数据分析研究可以通过对时间序列建模来实现。通过数学模型的建立,可以将输入与输出数据之间的关系直观地反映出来。利用已知历史数据的本文研究内容主要包括以下几部分:基于相空间重构理论的支持向量回归机分析预测金融市场研究。相空间重构的重点是选择一个合适的延迟时间,降低必要的嵌入维数。本文提出使用虚假最近机中核函数是算法性能的重要影响因素。实验表明基于相空间重构理论的支持向量回归机具有较好的收益率预测性能。中文摘要数理金融领域提炼出随机过程与随机控制两类基本模型,前者是后者的前提与基监控具有重要意义。作为世界经济晴雨表的各主要股票指数,其收益分析与波动对象具有重要的金融预测意义。训练过程其实就是建立一个时间序列模型的过程,将己知的数据作为输入,得到的输出就是对未来数据的预测。目前研究较多的是如何建立或寻找准确与高效的预测模型。邻点法,针对所有变量构建误差函数,确定合适的嵌入维数组合。支持向量回归狢模型算法研究。惴ㄊ峭ü枚挝蟛钕钊〈曜贾的线性误差项,用带等式约束的二次规划问题替代带不等式约束的二次规划问题,经转化后的对偶问题相当于求解线性方程组。挠攀圃谟谀芄幌灾岣咴测精度和训练速度。本文构建基于姆窍咝訡