基于增量支持向量回归机的股价预测模型研究

随着越来越多的人加入到股票投资中,有效的股票预测方法就显得尤为重要。本文结合增量学习思想,利用支持向量回归机对上证综合指数的收盘价进行预测,并同神经网络方法进行比较分析。实证研究发现,基于增量支持向量回归机的股价预测模型表现较佳,为股价预测模型研究提供一种新的方法,进而为投资者提供一定的参考信息。     

基于支持向量机的股市风格轮换策略研究

作为一种增加潜在收益的工具,风格轮换策略已经成为广为接受的金融投资策略.通过对几种常见的风格轮换模型进行比较,采取支持向量机分别建立规模溢价和价值溢价的预测模型,根据预测结果形成规模风格和价值/成长风格轮换策略,并检验这种积极风格轮换策略在中国股市的有效性.研究结果表明,中国股市存在显著的价值溢价,规模风格轮换策略业绩显著优于消极持有小盘股策略和市场收益,适合采取规模风格轮换策略进行短期投资;消极持有价值股的投资策略业绩显著优于规模风格轮换的投资策略,这暗示在长期投资上更适合采取买入并持有价值股的消极风格投资策略.     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

基于模糊支持向量机的上市公司财务困境预测

支持向量机(SVM)已经成功地应用于财务困境预测问题的研究,且已证明优于多元线性判别分析(MDA)、逻辑回归(Logistic regression)和神经网络(NN)等方法.然而,传统SVM使用结构风险最小化的原则,这样可能导致错误分类的经验风险升高,特别是当样本点与最优超平面十分接近的时候,这种误分类的经验风险显著升高.另外,传统SVM还存在过拟合问题,所以对数据集中的外点或噪声十分敏感.因此,采用模糊支持向量机(FSVM)算法来改进上述不足.首先,建立一个适当的成员模型用于对整个数据集的模糊处理;然后通过外点侦察方法(ODM)来发现外点,其中ODM集成了模糊C-均值算法(Fuzzy C-mean algorithm)和无监督神经网络中的自组织映射(SOM).最后,为主体集和外点集中的样本点分配不同的权值.还将FSVM应用于上市公司财务困境预测的实证研究,实证结果表明FSVM与传统SVM相比,FSVM 能较好的解决经验风险升高和过度拟合问题,确实降低了外点的影响并提高了分类器的分类准确率.     

基于遗传技术辅助设计的神经网络期货市场预测

本文在对期货市场的历史数据进行预分析的基础上,建立了神经网络期货市场预测模型．文中不仅对神经网络进行了改进研究,还利用遗传技术优化网络的结构和参数．运运实例对模型进行学习与测试的实验结果表明,利用遗传技术辅助设计的神经网络预测模型能较准确地预报期货价格的波动趋势.     

基于时间序列与机器算法的工商银行股票预测分析

股票市场在国家经济发展中发挥着重要作用,对于投资者来说,其有可能获得超额收益,也有可能遭受巨大损失。因此,如何合理地对股票未来发展作出预测,是投资者关心的问题。文章基于支持向量机、逻辑回归及BP神经网络3种机器学习算法建立分类预测模型,对工商银行股票下一个交易日的涨跌走势进行分析预测,并使用时间序列ARIMA模型进行预测,综合考虑训练模型,分析比较时间序列模型与机器学习对工商银行股票的预测能力。     

基于半监督支持向量机的信用评分模型

针对信用评分中有标记样本获取难度大、成本高的问题,本文提出一种新的基于半监督支持向量机的信用评分模型。通过给未标记样本引入新的参数,使得模型无需满足随机缺失假设,具有良好的适用性。同时,在损失函数中加入半监督部分鼓励有标记样本和未标记样本系数的相似性,从而能够有效融合未标记样本信息,提升估计效果。此外,本文利用Group LASSO进行变量选择,可以充分利用组结构信息,筛选重要变量。通过数值模拟和一个信用卡风险违约预测实例数据证明了所提方法的可行性,以及在变量选择、系数估计和分类预测上的优良效果。     

基于滚动时间窗口支持向量机的财务困境预测动态建模

该文从财务困境概念漂移的全新视角,提出了基于滚动时间窗口支持向量机(suppon vector machine,SVM)的财务困境预测动态建模新方法.设计了面向概念漂移进行财务困境预测动态建模的思路框架,分为宽度固定的滚动时间窗口 SVM 和宽度可变的滚动时间窗口 SVM 分别展开算法设计.以中国上市公司为对象,通过模拟时间推移过程,对 2000 至 2008 期间被 ST 的上市公司及其配对公司共692个样本展开实证研究.结果表明:基于滚动时间窗口 SVM 的财务困境预测动态建模方法能够有效地适应财务困境的概念漂移现象,对未来企业财务困境的预测效果明显优于静态 SVM 模型.通过比较分析,认为适应性可变时间窗口 SVM 动态建模方法具有较好的应用推广性.     

基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究

基于小波在处理非线性、非平稳随机信号的优势以及支持向量机在解决小样本、非线性及高维模式识别问题中的优势。笔者探讨结合小波包和最小二乘支持向量机的组合预测方法在交通流短时预测中的应用。首先介绍小波包和最小二乘支持向量机的基本原理,然后提出基于小波包和最小二乘支持向量机的交通流短时组合预测方法,并以北京市快速路的实测交通流量来验证效果,结果表明其可行性和有效性。     

一种基于多元分类支持向量机的企业财务危机预警方法

基于多元分类支持向量机提出了一种企业财务危机预警的新方法.以企业财务危机预警指标和对应实际分类结果为学习样本,采用交叉验证方法和"一对一投票"方法进行训练、测试,确定出所有两两分类的最优分类函教.实例结果表明,该方法有效、可行,为企业财务的动态预警提供了新的途径.