資源描述：
《金融問題中支持向量機應(yīng)用的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、論文題目：金融問題中的支持向量機應(yīng)用研究作者姓名：沈傳河入學(xué)時間：2008年9月專業(yè)名稱：計算機軟件與理論研究方向：知識處理與數(shù)據(jù)挖掘指導(dǎo)教師：王向榮職稱：教授教授教授論文提交日期：2011年4月20日論文答辯日期：2011年6月11日授予學(xué)位日期：STUDYONAPPLICATIONOFSUPPORTVECTORMACHINESINFINANCIALPROBLEMSADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofDOCTOROFPHILOSOPHYfro
2、mShandongUniversityofScienceandTechnologybyShenChuanheSupervisor:ProfessorWangXiangrongCollegeofInformationScienceandEngineeringJune2011聲明本人呈交給山東科技大學(xué)的這篇博士學(xué)位論文，除了所列參考文獻(xiàn)和世所公認(rèn)的文獻(xiàn)外，全部是本人在導(dǎo)師指導(dǎo)下的研究成果。該論文資料尚沒有呈交于其它任何學(xué)術(shù)機關(guān)作鑒定。博士生簽名：日期：AFFIRMATIONIdeclarethatthisdissertation,submi
3、ttedinfulfillmentoftherequirementsfortheawardofDoctorofPhilosophyinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotbeensubmittedforqualificationatanyotheracademicinstitute.Signature:Date:山東科技大學(xué)博士學(xué)位論文摘要摘要本文基于“知識驅(qū)動的數(shù)
4、據(jù)挖掘（Knowledge-drivendatamining）”，針對金融數(shù)據(jù)的特性對支持向量機進(jìn)行適應(yīng)性改進(jìn)，并開展其在金融問題中的應(yīng)用研究。首先，分析了支持向量機理論及其在金融數(shù)據(jù)挖掘應(yīng)用方面存在的局限性。在概述支持向量機的涵義、模型構(gòu)建原則、類型及其算法基礎(chǔ)上，著重強調(diào)結(jié)構(gòu)風(fēng)險最小化原則是其內(nèi)在本質(zhì)和優(yōu)勢所在。但針對金融數(shù)據(jù)非線性、非平穩(wěn)、高噪聲等特性，常規(guī)支持向量機仍存在一些不足。如，對樣本和特征的動態(tài)適應(yīng)性較差，在處理具有野點、離群點等性質(zhì)的金融數(shù)據(jù)時穩(wěn)定性欠佳，等等。所有這些局限促成了本文工作的任務(wù)，即對支持向量機進(jìn)行金融數(shù)
5、據(jù)的適應(yīng)性改進(jìn)。其次，立足模型選擇角度，圍繞支持向量機的自身參數(shù)（meta-parameters）C、ε的確定和特征異質(zhì)性的考慮，改進(jìn)現(xiàn)有的樣本重要性和特征重要性調(diào)整方法，探討對樣本和特征進(jìn)行合理加權(quán)的途徑，提高支持向量機對金融數(shù)據(jù)的適用程度?；诖蛘鄣淖钚《怂枷耄―LS），利用基于信息特征與含量的概率估計方法，對指數(shù)權(quán)重函數(shù)進(jìn)行修正，從而獲得樣本的權(quán)重值。同時，采用基于支持向量機輸出對輸入變量導(dǎo)數(shù)的顯著性分析方法（DB-SA），獲取輸入向量特征的權(quán)重值，實現(xiàn)支持向量機對特征異質(zhì)即特征相關(guān)性強弱的判斷和賦值。而且，利用融合方法，嘗試將
6、樣本加權(quán)和特征加權(quán)方法混合使用，建立一個合成的加權(quán)模型—混合加權(quán)支持向量機（HW-SVM），進(jìn)一步提高支持向量機的穩(wěn)定性和推廣能力。再次，從外部融合視角，將支持向量機與其它機器學(xué)習(xí)方法和統(tǒng)計方法進(jìn)行融合，實現(xiàn)不同方法之間的優(yōu)勢互補，更好地捕捉金融數(shù)據(jù)獨特的內(nèi)含信息。分別與copula函數(shù)和小波神經(jīng)網(wǎng)絡(luò)融合起來，構(gòu)建混合的非線性系統(tǒng)，從外部改進(jìn)支持向量機的性能，刻畫金融市場的本質(zhì)特性與特征變量，更好地分析金融市場不斷演化的復(fù)雜機理。為檢驗支持向量機改進(jìn)效果，在實例分析中主要涉及公司財務(wù)危機預(yù)測、期權(quán)和可轉(zhuǎn)換債券定價、套期保值分析、金融市場
7、聯(lián)接形態(tài)結(jié)構(gòu)與途徑分析等方面的應(yīng)用，均取得了良好的模型表現(xiàn)。本文受國家自然科學(xué)基金（70971079）資助。關(guān)鍵詞：支持向量機，樣本與特征加權(quán)，多方法融合，混合非線性系統(tǒng)，金融數(shù)據(jù)挖掘山東科技大學(xué)博士學(xué)位論文摘要ABSTRACTBasedontheknowledge-drivendatamining,thispaperproposesmethodsforthemodificationofsupportvectormachines(SVM)toacclimatizethemtothecharacteristicsoffinancialda
8、taandthenexploresapplicationsofthemodifiedSVMstofinancialproblems,withtheessencenarratedasfollows:First
