基于支持向量机集成的电子商务环境下客户信用评估模型研究

随着电子商务的快速发展,越来越多的顾客参与到电子商务中来,目前国内电子商务相关的配套设施、法律法规等均不完善,信用问题是困扰电子商务发展的主要瓶颈问题,而客户信用评估是电子商务的重要组成部分,本文利用基于模糊积分的支持向量机集成方法对客户信用进行评估,该方法考虑了各子分类器的分类结果和各子分类器判决对最终决策的重要程度。通过实证分析探讨了此法的可行性和优越性,为我国建立电子商务客户评价体系提供参考。     

财务风险预警的支持向量机应用

本文给出了财务评价指标体系及其量化方法,利用支持向量机的分类能力建立财务风险预警的模型.对上市公司的财务数据进行训练和评估.证明基于支持向量机的财务风险预警模型的可行性和实用性,实验表明支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.     

支持向量机在财务危机预警中的应用评析

信息技术的迅速发展和世界经济全球化使很多企业面临各种各样的经营困难,最终体现为财务危机.提前对其进行预警以协助企业有效地规避财务危机是十分重要的.随着研究的深入,各种财务危机预警方法逐渐成熟.本文从样本选择、模型建立和预测性能3方面对支持向量机(SVM)在财务危机预警领域的应用进行了评析,认为SVM方法具有强大的分类功能和优良的学习性能,在财务危机预警领域有着广阔的应用前景.     

基于支持向量机改进的VaR模型研究

传统计算VaR的方法主要有德尔塔-正态法,历史模拟法和蒙卡特罗模拟法,这三种方法在计算模拟中存在厚尾、非线性、估计误差大、计算复杂等缺点.本文使用一种新的通用的机器学习方法--支持向量机,改进了传统的VaR模拟方法,取得了良好的效果,对VaR的基础计算方法的扩展具有重大的意义.     

基于支持向量机的突发事件分级研究

突发事件的分级是应急管理的重要环节。将支持向量机方法应用于突发事件的分级问题,阐述了基于支持向量机的突发事件分级方法的过程,以对地震灾害进行分级作为实例,采用多分类支持向量机中的一对一组合方法进行实验。实验结果表明,支持向量机应用于突发事件分级是可行而且有效的,能够为决策者准确地进行分级决策提供科学依据。     

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。     

航空服务成本预测的支持向量机方法研究

预测是很多行业都需要的一项方法和技术,随着数据积累的越来越多,现在这些行业大多面临基于大量数据的预测问题,我们在介绍支持向量机基本原理和实现算法的基础上,给出了航空服务成本取测模型,最后对预测结果的评价和选聚情况进行了分析.     

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。     

基于集成支持向量机的企业财务业绩分类模型研究

要想正确预测公司财务业绩,首先必须选择合适的预测方法。现有文献所采用的财务业绩预测模型普遍存在着泛化能力不强的问题。本文提出用支持向量机方法来预测我国上市公司的财务业绩。为了提高预测准确率,本文还用AdaBoost算法对支持向量机进行了改进(集成支持向量机)。在支持向量机核函数的选择上,我们采用了实验法,即对每个核函数及其相关参数的预测效果都进行了测算,以期找出最适用的预测模型。实证结果表明,径向基核函数(rbf)的效果最好,支持向量机方法预测准确率远远高于其它方法。     

基于支持向量机的企业自我实现能力综合评价方法

在企业自我实现能力指标体系的基础上,提出了一种基于支持向量机的企业自我实现能力综合测评方法,该方法具有方便、准确、可靠、快速等特点。实证分析和该方法与BP算法仿真结果的比较表明,支持向量机方法更有效。     

农产品销量预测的支持向量机方法

运用支持向量机(Support Vector Machine,SVM)智能预测方法对农产品的消费市场需求进行动态预测。为提高农产品销量预测精度,充分考虑了农产品供需随天气变化、气候条件、节假日等因素的影响而动态变化的情况,将这些影响因素纳入农产品销量预测中,运用模糊理论进行模糊化处理;在此基础上提出以支持向量机方法为主、多方法融合为辅的智能预测系统,对农产品销量进行动态预测。实际算例验证了这一智能预测系统的精确性。     

信用评估中的鲁棒赋权自适应Lp最小二乘支持向量机方法

消费者信用评估是金融风险管理和信用产业竞争的一个重要方面.信用评估数据中常带有噪声点,并且其类别是不均衡的.最小二乘支持向量机是一个被广泛应用的分类模型,其模型简单,求解速度快,但鲁棒性差.本文提出了一个鲁棒赋权自适应L_p最小二乘支持向量机模型,能够适应信用评估样本数据库类别不均衡的特点,可以有效处理信用评估数据中带有噪声点的问题.在仿真数据和三个信用数据库上的实证分析表明,本文所提出的模型具有较好的鲁棒性和分类能力.     

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R&D项目过程质量度量

过程质量度量是项目质量控制中的基础。本文针对R＆D项目的质量特性,构建了R＆D项目过程质量状况的评价指标体系,将支持向量机(SVM)技术应用于R＆D项目过程质量度量。实证研究结果表明该方法可很好地应用于R＆D项目的过程质量管理。     

基于支持向量机和遗传算法的R&D项目中止决策诊断

为了克服传统的机器学习方法在R&D项目管理领域应用存在的局限性,本文探讨了支持向量机应用于R&D项目中止决策的可行性和有效性问题,提出了一种基于支持向量机和遗传算法的R&D项目中止决策诊断方法,并以收集到的R&D项目两类样本问题为例,应用该方法进行了实证研究,验证了该方法的可行性和有效性.     

基于最小二乘的支持向量机在电力需求预测中的应用

文章针对常规电力需求预测方法的不足,在分析SVM的线性和非线性分类方法的基础上提出一种基于最小二乘的支持向量机预测方法.LS-SVM模型采用结构风险最小化原则,能够在对小样本学习的基础上,对其他样本快速、准确的拟合预测,具有更好的泛化性能和精度,减少对初始值的依赖.文章采用河北省某市实际的负荷数据,按照不同的负荷日属性和历史数据属性进行样本选择,使用径向基核函数进行了电力需求预测.将预测结果与真实值和由时间序列及BP神经网络方法得到的结论进行比较,表明所提出的预测模型具有较高的精度,是有效和可行的.     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

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.