基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

基于主成分分析和支持向量机的企业盈利能力预测

文章针对中国建筑业上市公司样本规模较小,常规预测方法难以奏效的特点,尝试将支持向量机应用于其盈利能力预测.首先从不同的角度选择盈利能力单项指标,以此为基础构建反映公司盈利能力的集成指标,结合2001-2014年中国A股建筑业上市公司的数据,构建基于支持向量的盈利能力预测模型,对样本公司的盈利能力进行预测.研究结果显示,经过训练的支持向量机模型能较为成功地预测样本公司的盈利能力,2003-2014年的预测准确率均超过80％;通过与BP神经网络的对比试验可以发现,在预测中国建筑业上市公司盈利能力方面,支持向量机表现出了较明显的优势.     

基于支持向量机的上市公司信用风险评估研究

文章运用一种基于小样本学习的支持向量机(SVM)方法构建信用风险模型进而应用于我国上市公司信用风险评估。实证分析的结果表明:支持向量机在信用风险评估中比多元判别分析(MDA)方法更为准确和有效;研究结果为银行、投资者有效判别信用风险提供了理论依据。     

基于支持向量机的非线性汇率预测分析

汇率的重要性和汇率的预测难度广为人知,随机游走模型依然占据着汇率预测领域.文章根据不同的汇率决定理论,分别利用支持向量机方法进行日元、英镑和加元汇率历史数据的回归和预测,实验结果表明货币经济学指标在汇率预测中非常重要,特别是利率指标:支持向量机方法虽然在RMSE上并不能显著优于随机游走模型,至少统计的显著性不足,但具有较好的方向预测性,可以作为投资决策的依据.     

基于遗传算法和支持向量机的银行个人信用评估

文章提出将重要属性变量提取和模型参数选择两方面的工作同步进行,引入遗传算法作为筛选属性变量和调节参数的优化算法,建立基于遗传算法和支持向量机的个人信用评估模型,并选取现实数据对模型做了实证分析,并将其与不筛选属性变量只优化参数的情况进行比较,实验结果表明,该模型只需要少量重要的属性变量就能具有很好的预测效果。     

基于支持向量机的雷达信号分类

文章首先论述了支持向量机的基本理论,然后给出了基于支持向量机的多分类算法并将其应用于现代复杂体制雷达信号的分类。文章在Matlab环境下对雷达信号进行了模拟,在不同的分类参数组合下,用模拟数据检验了不同核函数的支持向量机多分类算法的效果。     

基于支持向量机的财务预警方法

1支持向量机(SVM)支持向量机(Support Vector M achine,SVM)是建立在结构风险最小化的基础上的,它是统计学习理论的新生力量,这种方法建立在统计学习理论的V C维(Vapnik-ChervonenksD im ension)理论和结构风险最小原理(SR M)(Structural RiskM inim ization Inductive Princip     

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.     

基于支持向量机股票价格指数建模及预测

为提高预测精度,采用基于支持向量机理论的预测方法对股票价格指数进行预测.文章在分析支持向量机预测基本原理基础上,以交叉验证法确定了最佳回归参数并以此建立了预测模型.对上海证券交易所的股票价格指数进行预测,研究结果表明基于支持向量机预测法能较准确地反映股票价格指数的变化趋势且提高了预测精度,验证了此方法在股票价格指数预测中的可行性.     

基于支持向量机的并购目标搜索研究

支持向量机自90年代中期出现以来得到广泛的应用,搜索到理想的并购目标是企业实施并购策略的关键因素。本文介绍了基于支持向量机的基本理论,建立了基于支持向量机的并购目标搜索模型,搜索到潜在的并购目标。研究表明用支持向量机方法来搜索并购目标是可行的。     

基于支持向量机的汽车曲轴质量诊断模型

传统的多元控制图在过程失控条件下,无法提供出哪一个变量或是变量组合是导致失控的原因,因而无法进行多元异常诊断。文章结合汽车曲轴生产过程的实际问题,应用基于支持向量机的方法对该过程多元问题进行了控制与诊断;在验证曲轴生产数据为多元正态分布的情况下,构建了基于SVM的均值偏移诊断模型,对过程变量进行均值偏移诊断,该模型能够指出均值偏移的组合模式。     

基于粗糙集支持向量机的个人信用评估模型

文章改变了过去个人信用评估模型多使用统计方法或者主观分析方法精简数据集属性个数的做法,将粗糙集与支持向量机结合的粗糙集支持向量机方法引入个人信用评估实践。以包括1000个统计样本的德国信用数据作为个人信用评估模型的数据来源,应用粗糙集分析系统RSES进行数据预处理,运用遗传算法计算约简,得出以不同的缩减率得到的约简集;然后使用支持向量机分析工具LIBSVM逐步处理已经进行过属性约简的数据集,并在处理过程中应用了交叉验证和网格搜索技术。     

基于文化算法的支持向量机组合预测模型

为提高预测精度,文章提出基于文化算法的支持向量机组合预测模型.以组合预测模型的误差平方和最小为优化准则,用文化算法对支持向量机参数进行优化,并建立支持向量机对单一模型的预测结果进行组合预测.算例结果表明,该模型综合了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

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。     

基于支持向量机的新经济增长点选择研究

针对现阶段新经济增长点选择模型无法区分“已有的”增长点与“新的”增长点的问题,使用支持向量机挖掘新经济增长点的潜在性.研究显示:陕西省2010年38个工业行业可划分为“新经济增长点”与“非新经济增长点”两类,新经济增长点一类中前十位行业与陕西省“十二五”规划中的文化产业、高新技术产业、新能源产业发展相一致,可见支持向量机在新经济增长点选择中的可行性和可靠性.     

基于支持向量机的混沌时间序列预测模型

支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局部极小等问题.文章利用支持向量回归机对时间序列进行了预测,并对模型选择和参数优化进行了研究.仿真试验表明预测结果是合理的,并具有较高的预测精度.     

基于模糊神经网络和支持向量机的农机优化选型研究

目前农机型号众多,如何选择适合自己的农业机械,可以有效地节约资源和资金.文章从目前农业机械优化选型的研究状况出发,提出运用支持向量机和模糊神经网络对农机进行组合优化选型;通过建立碾米机的评价指标体系,运用组合评价方法可以有效地实现选型分析.实例分析证明了该方法的实用有效性,为农机优化选型提供了一种新的方法.     

基于支持向量机回归的房地产单指标预测

对时间序列预测常用的方法进行了比较,结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测;分析了支持向量机回归和时序相空间重构的基本原理;建立了支持向量机预测模型,结合武汉市的实际数据进行了实证分析,并和BP神经网络的预测结果进行比较,表明用支持向量机预测模型进行房地产单项指标预测精度更高。     

基于支持向量机的组合预测法及其应用

支持向量机(Support Vector Machine)是Vapnik等人根据统计学习理论提出的一种新的通用学习方法,它是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,能提高学习机的泛化能力,已成为机器学习界的研究热点之一,并成功地应用于分类、函数逼近和时间序列预测等方面.而组合预测作为一种博采众长的预测方法愈来愈受到人们的重视和广泛应用.本文利用支持向量机的方法,构造一种新的组合预测方法,该组合预测方法具有预测精度高,泛化能力强等特点.应用此方法对河北省卫生技术人员总数进行预测,取得了很好的预测效果.     

基于模糊支持向量机的客户信用评估研究

文章首先比较了支持向量机与传统分类方法在银行客户信用评估中的效果,结果表明支持向量机更适于目前中国商业银行对个人信用的评价;其次引入模糊支持向量机处理银行客户信用样本中的不平衡问题。实证结果显示,带有模糊关系的支持向量机方法能够减小训练数据类别大小差异对决策机器造成的影响,有效地提高了信用评估的精度。