基于小波支持向量机的经济预测模型

最近,由Vapnik等提出的统计学习理论及从中发展出的支持向量机(Sup-port Vector Machines,SVM)方法,在回归算法的研究中表现出极好的性能,被认为是神经网络的替代方法,目前在时间序列预测领域也开始得到应用.SVM无论在理论还是在实践中,在非线性时间序列预测领域都具有优秀的表现和应用前景.本文将小波理论与SVM方法结合起来,互补二者优势,提出了一种称为小波支持向量机(Wavelet Support VectorMachines,WSVM)的新的机器学习方法.该方法引入小波基函数来构造SVM的核函数,得到了一种新的SVM模型,它除了具有SVM的一切优点外,还能消除数据的高频干扰,具备良好的抗噪能力.本文将这一新方法应用于经济预测中,得到了较高的预测精度,表明WSVM方法是一种很有潜力的机器学习方法.     

基于熵权法和支持向量机的中长期电力负荷预测

文章提出了一种将熵权法与支持向量机(Support Vector Machine,SVM)相结合的中长期电力负荷预测方法.与目前采用单一SVM的负荷预测方法相比,该方法考虑了中长期电力负荷各种影响因素的信息稠密度;通过熵权法对SVM的训练样本集进行加权处理,减少了信息冗余,提高了SVM的训练速度和预测精度.     

马尔科夫方法修正的SVM模型在科技人才资源预测中的应用

文章根据统计资料数据,应用马尔科方法修正的SVM模型对中国科技人才资源进行预测和研究,对比传统预测模型中的离散灰色GM(1,1)模型,发现马尔科方法修正的SVM模型具有更高的拟合精度,为科技人才资源预测提供了一种新方法.     

基于SVM的房地产投资风险评价及应用

房地产开发是一项高投入、高收益、高风险的投资活动,受社会、经济、技术等因素的影响较大,在开发过程中存在着不确定性,在为投资者提供高收益可能的同时,也蕴含着相应的高风险。文章引进一种新的方法——支持向量机将其应用到房地产投资风险评价中。并尝试建立了基于SVM的房地产投资风险评价模型。支持向量机(SVM)是一类新型的机器学习算法,它能够非常成功地处理分类和回归问题。这种方法比较新颖,在一些领域有初步研究,但是在房地产领域基本没有研究过,其良好的非线性品质、极高的拟合精度、灵活而有效的学习方式、不依赖于样本的特点,使房地产投资风险预测很好。     

基于SVM的金融企业内部会计控制效率评价

文章建立基于支持向量机(SVM)的金融工具计量方法和内部会计控制效率评价方法,促使内部会计控制成为金融企业有效控制金融风险的基本保障和关键环节。文章将利用该方法从金融工具风险评估和内部控制效率评价两方面进行创新,以提高金融企业内部会计控制效率。实证分析结果表明,基于SVM的金融工具计量方法和内部会计控制效率评价方法是有效的,从而实现了金融企业内部会计控制效率量化分析和综合评价的新途径。     

基于支持向量机的金融衍生品风险评价

金融衍生品交易的高收益和高风险特性,决定了内部控制和风险管理的重要性,需要决策者综合考虑多种因素。文章应用了一种新的方法——支持向量机方法(SVM)来处理数据,与传统的方法相比较,有较好的泛化能力,可避免传统方法的不足,能较客观地对衍生品的风险进行评价。实证结果表明本模型是有效的,能为金融机构建立金融衍生品风险评价体系提供有力的支持。     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

基于旋转扰动的支持向量机隐私保护算法

支持向量机(SVM)是数据挖掘中非常流行的分类算法,得到了广泛的关注。数据泄露问题日渐凸显,数据挖掘中的隐私保护也成为当今研究热点,但是针对SVM隐私保护的研究较少。我们提出了基于旋转扰动的SVM隐私保护算法,该算法引入正交旋转变换方法,具有分类零损失的特性。文章采用传统数据安全评价方法,并利用UCI机器学习中心提供的数据对该算法的隐私性水平进行了分析。理论验证和实验结果表明,我们提出了令人满意的SVM隐私保护算法。     

商业银行高级管理人员绩效的评价

在建立商业银行高级管理人员绩效评价指标体系基础上.文章提出了主成分分析(PCA)和支持向量机(SVM)相结合的绩效评价模型.对原始指标数据进行标准化处理,然后运用主成分分析消除指标之间的冗余及相关.最后在MATLAB 6.5中运用支持向量机对商业银行高级管理人员绩效进行评价.实证结果表明该模型是用于商业银行高级管理人员绩效评价的有效方法.     

基子集对分析的管理信息系统综合评价方法

文章在建立管理信息系统评价指标体系的基础上,提出了一种基于集对分析的管理信息系统综合评价方法.仿真实例证明,该评价方法具有科学、准确、快速的特点,是一种评价管理信息系统较好的方法.     

基于SVM的基金业绩评估系统研究

基于结构风险最小化原则的支持向量机对小样本决策具有全局收敛性和较好的学习推广性.基金业绩评价问题本质是分类问题,本文提出基于SVM的二叉树多级分类器实现方法,并对系统特征进行选择验证.实证分析表明采用支持向量机设计的评价系统思路清晰,操作简单,重复训练样本少,在评估系统应用中有较强的实用性.     

两种模型对中国生猪价格预测效果的比较

生猪价格波动是众多因素共同作用的结果,为提高生猪价格预测结果的精度和可靠性,文章应用支持向量机(SVM)方法,综合在中国猪肉市场上与生猪价格相关的主要指标,建立生猪价格和其影响因素的支持向量机模型,对未来生猪价格进行预测分析,同时,将其预测结果与BP人工神经网络模型的预测结果进行对比,并对这两种模型的预测效果进行评价,结果表明,基于SVM模型预测生猪价格的精度优于人工神经网络,拓展了其在这一领域中的研究与应用。     

多种评价方法综合应用的探讨--以全国城市设施水平综合评价为例

过去,进行社会经济现象评价时,人们习惯于应用单一的各种综合评价方法.然而,对同一社会经济现象的评价,不同的方法得出了不同的评价结果.基于此状况,本文提出一种系统综合评价方法,并对全国31个省市自治区的城市设施水平进行了综合评价,克服了以往仅应用一种方法在评价中的片面性,使评价结果更加全面、客观.     

基于PCA-SVM的中国省域建筑产业竞争力预测

文章根据波特等学者的研究成果,结合中国建筑产业现状,对中国省域建筑产业竞争力影响因素进行了系统分析。对竞争力的22个评价指标进行了压缩提取。最后使用支持向量机(SVM)对中国省域建筑产业竞争力进行预测研究。研究结果表明,PCA与SVM相结合的方法具有较好的预测效果,对省域建筑产业竞争力有一定的预测能力。     

基于SVM/RVM的小样本装备软件成本估算

文章提出应用支持向量机(SVM)和相关向量机(RVM)预测原理预测软件成本和工作量,并建立了基于SVM/RVM的小样本数据条件下的装备软件成本估算模型.实验结果证明该估算方法可以较大幅度提高软件成本估算的精确度.     

Omega函数与基金业绩评估

投资基金作为一种创新的集合投资方式在我国已经成长了13年.如何科学评价各基金的业绩表现成为众多投资者非常关心的一个问题.传统的方法是基于均值-方差的Sharpe比及其改进方法,本文介绍了Shadwick W和C.Keating提出的一种新方法--Omega函数法.对沪深两市的十五只基金进行的实证分析结果表明Omega函数法是一种有效的评价方法.     

上市公司业绩的组合主成份评价方法

对上市公司业绩的评价一直是人们十分关注的焦点.而现行实务中所采用的评价方法又都存在一定的主观性,对此,文章提出另一种系统的评价方法--上市公司业绩的组合主成份评价方法.对证券市场上30种股票进行综合评价,通过使用统计软件SAS进行计算和分析,得到了这些股票2006年上半年财务状况的排列次序.     

基于不确定群决策的社会保障评价方法

文章针对社会保障评价过程中存在的不确定性问题,提出一种基于区间测度的群组专家独立评价的群决策方法.探讨了社会保障评价过程中的评价指标集;为克服评价过程中存在的不确定性,并减少人力和物力消耗,提出了采用区间数作为社会保障评价测度,给出了一种基于区间序列组合加权算术平均算子的社会保障评价方法.实际案例验证了方法的可行性和合理性.     

三角模糊信息下的企业融资能力评价

企业融资能力关系到企业的可持续发展和规模扩张,文章针对企业融资能力评价过程中存在的不确定性因素,提出一种基于三角模糊数的企业融资能力TOPSIS评价方法.在给出企业融资能力评价指标体系的基础上,针对评价指标权重信息部分可知的情况下,构建了确定指标权重向量的多目标函数.在获得实数型指标权重后,给出一种基于三角模糊数的企业融资能力评价方法.     

城市社区服务质量评价研究

文章针对社区服务质量综合评价问题,提出了一种基于二元语义的语言信息评价方法.首先基于卓越绩效模式给出了一种社区服务质量评价指标体系,然后在简要介绍二元语义概念基础上,给出了基于二元义语言信息处理的社区服务质量评价方法,最后进行了实证分析.