支持向量机在金融市场预测中应用的论文

《支持向量机在金融市场预测中应用的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学位论文独创性声明本人承诺：所呈交的学位论文是本人在导师指导卜所取得的研究成果。论文中除特别加以标注和致谢的地方外，不包含他人和其他机构已经撰写或发表过的研究成果，其他同忠的研究成果对本人的启示和所提供的帮助，均已在论文中做了明确的声明并表示谢意。学位论文作者签名：学位论文版权的使用授权书本学位论文作者完全了解辽宁师范大学有关保留、使用学位论文的规定，及学校有权保留并向国家有关部门或机构送交复印件或磁盘，允许论文被查阅和借阅。本文授权辽宁师范大学，可以将学位论文的全部或部分内容编入有关数据库并进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文，并且本人电子文档的内容和纸质论文的内容

2、相一致。保密的学位论文在解密后使用本授权书。学位论文作者签名：查凌盎指导教师签名：三幽垫签名闩期：为，≈年j月扣同辽宁师范大学硕十学位论文摘要支持向量机是以统计学习理论为基础，建立在VC维和结构风险最小化原则之上的一种人工智能方法。它在多数情况下可以克服“维数灾难"和局部极小等传统困难，因此拥有很强的泛化能力。该技术现已成为机器学习的研究热点，并在模式识别、图像分类等很多领域得到了成功应用。目前支持向量机主要应用于解决分类和回归问题，很少用于时间序列预测。时间序列预测是指通过有限的历史样本建立模型，利用模型解释数据的统计学规律以达到控制和预报的目的。预报只是预测的一个方面，而预测一个最重要的功

3、能就是把未来不确定的风险转化为可测算风险。尽管不确定性未知，但风险却可以通过概率分布的统计来度量，比如经验风险、结构风险和各种损失函数等。预测的误差是不可避免的，预测者所能够做的就是尽可能的找到更出色的预测技术来不断降低预测的误差，从而使投资人的目标函数尽可能的利益最大化同时风险最小。近年来，对金融工程研究已成为一大热点，人们将神经网络、混沌理论、遗传算法以及系统理论和当代应用数学研究的最新进展等众多理论与方法应用于金融时间序列预测。本文将最小二乘支持向量算法与时间序列模型相结合应用于金融领域的预测，以期得到更好的推广。文章绪论部分介绍了课题提出的背景和现状，预测的分类和发展以及本论文的主要内

4、容和组织结构。第二章介绍详细介绍了支持向量回归理论，是第四章金融时间序列预测的理论基础。第三章介绍了时间序列模型用于预测的经验方法和多用于金融数据预测的条件异方差模型，是第四章实验的模型基础。第四章主要针对我国证券指数、股指期货合约数据，采用支持向量回归算法和条件异方差模型相结合的算法来对其未来的走势进行预测。在实验过程中，描述实验的数据来源和数据处理过程，给出实验方法和实验步骤，并预测结果，最后对比单纯性的回归预测结果和条件异方差模型预测结果，得出结论：基于支持向量机的预测结果最优。关键词：支持向量机；金融时间序列；GARCH模型；最小二乘支持向量机支持向量机在金融市场预测中的应用TheAp

5、plicationofSVMinthePredictionofFinancialMarketAbstFactsvMisamethodofmachinelearningaccordingtothestatisticallearningtheory．ItisbasedonVCdimensionandstructuralriskminimizationprinciple．S功Mhasbettergeneralizationandlearningpower，whichhasturnedintothetopicofmachinelearning，andalsogainedsuccessfulapplic

6、ationsinmanyfields，suchaspatternrecognition，imageclassification．forecastingandSOon．Uptonow,S明订iSmainlyusedtosolveclassificationandregressionproblems，butrarelyappliedtotimeseriesprediction．Timeseriesforecastingisasubjectoftechnology，whichaimstoforecastandcontrolthroughbuildingmodelbysomelimitedhistor

7、yobservedsamplesandusingittoexplainthe1awofthedata．ThemostimportantfunctionofforecastiStotransf01Tntheindefiniterisktotheestimateone．althoughtheriskiSinevitablewhichcanbemeasuredbystatisticsofprobabil