基于支持向量機(jī)債券時(shí)間序列預(yù)測的研究

《基于支持向量機(jī)債券時(shí)間序列預(yù)測的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、杭州電子科技大學(xué)碩士學(xué)位論文基于支持向量機(jī)的債券時(shí)間序列預(yù)測研究研究生：王芳芳指導(dǎo)教師：徐向華教授2012年12月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterAStudyofTimeSequencePredictionofBondbasedonSupportVectorMachineCandidate:WangFangfangSupervisor:Prof.XuXianghuaDecember，2012杭州電子科技大學(xué)學(xué)

2、位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。申請學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切相關(guān)責(zé)任。論文作者簽名：日期：年月日學(xué)位論文使用授權(quán)說明本人完全了解杭州電子科技大學(xué)關(guān)于保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬杭州電子科技大學(xué)。本人保證畢業(yè)離

3、校后，發(fā)表論文或使用論文工作成果時(shí)署名單位仍然為杭州電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。(保密論文在解密后遵守此規(guī)定)論文作者簽名：日期：年月日指導(dǎo)教師簽名：日期：年月日杭州電子科技大學(xué)碩士學(xué)位論文摘要隨著經(jīng)濟(jì)的發(fā)展和人們投資觀念的轉(zhuǎn)變，債券市場成為最受歡迎的投資方式之一。然而，債券本身是一種有價(jià)證券，其價(jià)格受市場利率、經(jīng)濟(jì)發(fā)展情況、市場供求關(guān)系、物價(jià)水平等因素的影響。債券價(jià)格的波動直接關(guān)系到投資者的收

4、益情況，對一個(gè)國家來說，債券價(jià)格的波動甚至有可能導(dǎo)致債券危機(jī)，給國家和人民帶來嚴(yán)重的經(jīng)濟(jì)損失。因此，對債券的預(yù)測研究具有深刻的理論意義和重要的應(yīng)用價(jià)值。但是債券數(shù)據(jù)自身內(nèi)部結(jié)構(gòu)的復(fù)雜性及外部影響因素的多變性決定了債券市場預(yù)測的艱巨性，現(xiàn)有分析預(yù)測方法的效果并不是很理想。因此，如何從現(xiàn)有的數(shù)據(jù)中挖掘出有價(jià)值的信息并將其應(yīng)用于投資決策中成為了債券預(yù)測的熱點(diǎn)問題之一。支持向量機(jī)(SVM)是一種新興數(shù)據(jù)挖掘技術(shù)，在高維模式識別、回歸估計(jì)等方面表現(xiàn)出特有的優(yōu)勢。在支持向量機(jī)學(xué)習(xí)方法中，核函數(shù)是SVM的重要組成部分，它通

5、過低維空間數(shù)據(jù)到高維特征空間的映射來克服低維空間線性不可分的問題。核函數(shù)的構(gòu)造及其相應(yīng)參數(shù)的選取在很大程度上影響著SVM的性能，選擇好核函數(shù)和參數(shù)可以提高預(yù)測精度。在每個(gè)應(yīng)用領(lǐng)域不同的核和參數(shù)性能差別會很大，但目前核函數(shù)和參數(shù)的選擇并沒有一個(gè)通用的模式和標(biāo)準(zhǔn)，因此選擇與給定問題相適合的核函數(shù)是一個(gè)難題。其次，在SVM輸入空間中，通常存在含噪聲較多的冗余特征，這不但會增加模型的計(jì)算復(fù)雜度，而且影響了預(yù)測精度。基于以上分析，本文主要研究內(nèi)容如下：(1)針對債券數(shù)據(jù)近期樣本遠(yuǎn)比早期重要的特點(diǎn)，以及兼顧訓(xùn)練樣本數(shù)據(jù)時(shí)

6、所需的局部性和全局性，本文構(gòu)造出一個(gè)新的混合核函數(shù)。首先通過大量的實(shí)驗(yàn)確定適合債券數(shù)據(jù)的參數(shù)，然后通過分別賦予高斯徑向基核和多項(xiàng)式核隨時(shí)間動態(tài)調(diào)整的權(quán)重值，將兩者組合起來構(gòu)造出了一個(gè)新的組合核函數(shù)。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的組合核函數(shù)比現(xiàn)有核函數(shù)在債券數(shù)據(jù)預(yù)測中具有更高的預(yù)測準(zhǔn)確度。(2)針對債券數(shù)據(jù)固有的低信噪比的特點(diǎn)，本文提出了一個(gè)基于獨(dú)立分量分析特征提取的支持向量回歸模型。該模型主要采用獨(dú)立分量分析法(ICA)來完成特征提取過程，首先通過固定點(diǎn)算法(FastICA)對源信號進(jìn)行分離，然后使用相對Hammi

7、ng距離分別計(jì)算每個(gè)特征的噪聲，最后采用測試和驗(yàn)收(Testing-and-Acceptance，TnA)方法根據(jù)噪聲值完成特征篩選過程，以達(dá)到降低SVM輸入空間的維度和提高預(yù)測精度的目的。通過實(shí)驗(yàn)驗(yàn)證，此模型有效地提高了支持向量回歸機(jī)的性能，從而提升債券預(yù)測的精確度。至此，我們尋求到了一個(gè)更適合于債券預(yù)測分析的模型。關(guān)鍵詞：債券，支持向量機(jī)，核函數(shù)，獨(dú)立分量分析I杭州電子科技大學(xué)碩士學(xué)位論文ABSTRACTWiththedevelopmentofeconomyandthechangeoftheviewofi

8、nvestment,bond marketbecomesoneofthemostpopularinvestmentway.However,thebondisakindof securities,thepricesareinfluencedbymanyways,suchasmarketinterestrates,economic developmentsituation,therelationbetw