电子商务信用管理的支持向量机应用

电子商务的发展始终伴随着信用风险,而客户信用评估是电子商务的重要组成部分,本文分析了电子商务的信用风险,并利用支持向量机技术(SVM)对客户信用进行分类,本方法具有较好的预测能力。     

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.     

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.     

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.     

基于支持向量机的人的全面发展评价模型及省份实证

根据“坚持以人为本,树立全面、协调、可持续的发展现,促进经济社会和人的全面发展”的科学发展观的内涵,通过人的全面发展评价指标的海选、筛选和理性分析构建了人的全面发展综合评价指标体系.建立了基于支持向量机(Support Vector Machines,SVM)的人的全面发展评价模型,并对我国2006年典型的14个省级行政区人的全面发展状况进行实证分析.本文的创新与特色一是通过高斯核支持向量机把评价指标空间映射到高维特征空间,解决了人的全面发展评价影响因素非线性赋权问题.克服了现有评价方法均采用线性加权方式计算评价结果、不能表达指标与评价结果间的真实关系的缺陷.二是通过正交设计确定支持向量机训练样本的输入数据,并通过AHP确定训练样本的权重,得到指标训练样本的评价结果作为训练样本的输出.解决了在没有训练样本输入和输出情况下如何确定指标训练样本的问题.这就解决了在缺乏训练样本输入、输出数据情况下如何应用支持向量机进行回归,以得到评价结果的问题.三是通过人口累积比重、收入累积比重、通货膨胀等可获得数据指标计算准基尼系数和准国民幸福指数,解决了基尼系数和国民幸福指数的间接测算问题,进而解决了现阶段因统计数据缺失、而无法进行省级行政区人的全面发展评价的问题.     

基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine, SVM)对非均衡样本分类时分类超平面偏移的不足。首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标。针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤。将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性。     

基于Metacost的客户信用评估半监督异构集成模型研究

针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model, Meta-Semi-HE)。该模型主要包括三个阶段：1)用Metacost方法修改初始有标签训练集得到Lm;2)在Lm上通过AdaBoost方法训练N个异构分类器hi(i = 1,…, N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。     

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。     

基于组合分类的消费者信用评估

为了降低单个分类模型的不稳定性,提高其应用于消费者信用评估的准确性,提出一种基于组合分类的消费者信用评估方法.首先通过有监督聚类将各个类别的数据样本划分为若干子集合,使得各个子集合中数据样本均来自同一类别,再对不同类别子集合之间进行两两组合得到训练样本子集合,然后在各个训练样本子集合中分别建立不同的分类模型.在分类模型结果综合阶段,以各个分类模型在待分类样本的近邻训练样本中的分类性能作为权重,对各个分类模型的结果进行加权投票以产生待分类样本的最终分类结果.实证研究以决策树作为基本分类器,通过在实际的消费者信用数据集上的比较分析,说明所提出方法相对于其它组合分类方法具有更高的分类准确性,可以有效应用于消费者信用评估.     

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。     

半模糊超球支持向量机多类分类方法研究

针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法.该方法首先利用半模糊核聚类方法对样本进行预处理,完成边缘样本的选取,进而以所选样本为训练样本进行超球支持向量机训练,从而有效提高分类器的性能.实验表明,该方法比标准支持向量机多类分类方法具有更高的速度和精度.     

基于加权群体AHP的企业资信评价方法

本文研究加权群体AHP方法及其在企件资信评价中的应用问题,建立了反映各专家或决策者优先权及各判断矩阵可信度的两种加权距离法,从主观和客观两方面切实有效地反映了各专家或决策者意见对最终评判结果的影响。企业资信评价是银行信贷风险管理的重要基础工作之一,各企业资信等级的正确评定取决于许多相关因素,需要各方面专家或决策者进行综合评判,合理的评判结果应反映各专家或决策者对各企业及信贷风险状况了解和认识的程度,同时应反映各专家或决策者对各企业评判所给出的判断矩阵的可信度,因此,本文建立以各专家或决策者优先权及各判断矩阵可信度为权系数的加权距离法,较好地解决了该问题。     

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.