資源描述：
《支持向量機在金融市場預測中應用的論文》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、學位論文獨創(chuàng)性聲明本人承諾：所呈交的學位論文是本人在導師指導卜所取得的研究成果。論文中除特別加以標注和致謝的地方外，不包含他人和其他機構已經撰寫或發(fā)表過的研究成果，其他同忠的研究成果對本人的啟示和所提供的幫助，均已在論文中做了明確的聲明并表示謝意。學位論文作者簽名：學位論文版權的使用授權書本學位論文作者完全了解遼寧師范大學有關保留、使用學位論文的規(guī)定，及學校有權保留并向國家有關部門或機構送交復印件或磁盤，允許論文被查閱和借閱。本文授權遼寧師范大學，可以將學位論文的全部或部分內容編入有關數(shù)據(jù)庫并進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編學位論文，并且本人電子文檔的內容和紙質論文的內容
2、相一致。保密的學位論文在解密后使用本授權書。學位論文作者簽名：查凌盎指導教師簽名：三幽墊簽名閂期：為，≈年j月扣同遼寧師范大學碩十學位論文摘要支持向量機是以統(tǒng)計學習理論為基礎，建立在VC維和結構風險最小化原則之上的一種人工智能方法。它在多數(shù)情況下可以克服“維數(shù)災難"和局部極小等傳統(tǒng)困難，因此擁有很強的泛化能力。該技術現(xiàn)已成為機器學習的研究熱點，并在模式識別、圖像分類等很多領域得到了成功應用。目前支持向量機主要應用于解決分類和回歸問題，很少用于時間序列預測。時間序列預測是指通過有限的歷史樣本建立模型，利用模型解釋數(shù)據(jù)的統(tǒng)計學規(guī)律以達到控制和預報的目的。預報只是預測的一個方面，而預測一個最重要的功
3、能就是把未來不確定的風險轉化為可測算風險。盡管不確定性未知，但風險卻可以通過概率分布的統(tǒng)計來度量，比如經驗風險、結構風險和各種損失函數(shù)等。預測的誤差是不可避免的，預測者所能夠做的就是盡可能的找到更出色的預測技術來不斷降低預測的誤差，從而使投資人的目標函數(shù)盡可能的利益最大化同時風險最小。近年來，對金融工程研究已成為一大熱點，人們將神經網絡、混沌理論、遺傳算法以及系統(tǒng)理論和當代應用數(shù)學研究的最新進展等眾多理論與方法應用于金融時間序列預測。本文將最小二乘支持向量算法與時間序列模型相結合應用于金融領域的預測，以期得到更好的推廣。文章緒論部分介紹了課題提出的背景和現(xiàn)狀，預測的分類和發(fā)展以及本論文的主要內
4、容和組織結構。第二章介紹詳細介紹了支持向量回歸理論，是第四章金融時間序列預測的理論基礎。第三章介紹了時間序列模型用于預測的經驗方法和多用于金融數(shù)據(jù)預測的條件異方差模型，是第四章實驗的模型基礎。第四章主要針對我國證券指數(shù)、股指期貨合約數(shù)據(jù)，采用支持向量回歸算法和條件異方差模型相結合的算法來對其未來的走勢進行預測。在實驗過程中，描述實驗的數(shù)據(jù)來源和數(shù)據(jù)處理過程，給出實驗方法和實驗步驟，并預測結果，最后對比單純性的回歸預測結果和條件異方差模型預測結果，得出結論：基于支持向量機的預測結果最優(yōu)。關鍵詞：支持向量機；金融時間序列；GARCH模型；最小二乘支持向量機支持向量機在金融市場預測中的應用TheAp
5、plicationofSVMinthePredictionofFinancialMarketAbstFactsvMisamethodofmachinelearningaccordingtothestatisticallearningtheory．ItisbasedonVCdimensionandstructuralriskminimizationprinciple．S功Mhasbettergeneralizationandlearningpower，whichhasturnedintothetopicofmachinelearning，andalsogainedsuccessfulapplic
6、ationsinmanyfields，suchaspatternrecognition，imageclassification．forecastingandSOon．Uptonow,S明訂iSmainlyusedtosolveclassificationandregressionproblems，butrarelyappliedtotimeseriesprediction．Timeseriesforecastingisasubjectoftechnology，whichaimstoforecastandcontrolthroughbuildingmodelbysomelimitedhistor
7、yobservedsamplesandusingittoexplainthe1awofthedata．ThemostimportantfunctionofforecastiStotransf01Tntheindefiniterisktotheestimateone．althoughtheriskiSinevitablewhichcanbemeasuredbystatisticsofprobabil
