基于投资者情绪的创业板股票收益率预测研究

以创业板股票市场为主要研究对象,基于文本挖掘方法对创业板股票收益率进行预测分析,利用词典法对从东方财富股吧爬取的2021年4月1日至2023年4月1日创业板股票评论的情感倾向进行分类,建立投资者情绪指数,构建基于粒子群算法优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)模型对收益率进行预测分析。在实证分析阶段,以创业板中流通市值最大的股票——“宁德时代”为代表,利用PSO-SVM模型对其收益率进行预测分析,同时设置一系列对照模型进行对比分析。结果表明：提出的模型预测结果优于其他对照组模型(多元线性回归、随机森林、支持向量机),而引入情绪指数的模型预测效果比未引入情绪指数的模型预测效果更好。     

基于随机森林的商业性养老保险购买行为预测

将随机森林应用到商业性养老保险购买行为预测过程中,对中国综合社会调查（CGSS）2017年问卷的调查数据进行分析。首先运用SMOTE过采样来平衡数据集,其次采用网格搜索确认模型输入参数,最后将改进后的随机森林模型进行分类预测,并与支持向量机模型对比。实例结果表明,SMOTE过采样方法在处理非均衡数据方面表现良好,能够起到提高模型性能的效果,处理后的随机森林的分类效果优于支持向量机。     

我国民航安全周期波动转折点预测方法的研究

本文应用基于风险最小化原理的支持向量机，研究了我国民航安全周期波动转折点预测的问题。并与人工神经网络预测方法进行对比研究．发现支持向量机预测正确率为83．3％，BP人工神经网络为75％。结果表明支持向量机能够相对更好地反映我国民航安全周期波动的性态，可以作为探索我国民航安全周期波动转折点预测闻题的新方法，新思路的一种尝试。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度。     

基于GA-SVM模型的福建省城镇登记失业率预测

将支持向量机应用在失业率预测中,采用遗传算法对传统的支持向量机进行改进,并以福建省城镇登记失业率为对象进行仿真和预测,其结果表明,该模型具有较好的学习和泛化能力,为失业率的预测提供了一条新的途径。     

基于支持向量机的网络贷款平台等级评价

采用有监督学习方法建立支持向量机模型,对网络贷款平台的等级评价方法进行了研究。由于学习样本少,为了提高模型的泛化能力,采用K-fold交叉验证方法进行模型学习。采用不同的核函数分别建立6种支持向量机模型,选择经过5轮交叉验证后正确率最高的模型作为最终的输出模型。验证结果表明,虽然学习样本数量不多,所建立的支持向量机模型在验证集中预测准确度达80%。     

基于最小二乘支持向量机的高强混凝土强度预测

针对在多因素影响下较为准确地进行确定高强混凝土强度的问题,采用常规的试验分析方法存在耗时耗材耗人力过多,提出最小二乘支持向量机模型来预测高强混凝土强度。工程应用研究的结果表明,采用最小二乘支持向量机模型比人工神经网络模型、线性以及非线性回归分析更具有较高的预测精度,该方法能很好地表达高强混凝土强度与各影响因素之间的非线性映射关系,能方便快捷地预测出假定配合比对应的高强混凝土强度值．为实现高强混凝土配合比设计提供了一条新的途径。     

基于支持向量机的数控机床热误差建模方法

文章对数控机床热误差建模的方法进行了对比分析,提出了一种支持向量机的热误差建模方法。通过实验表明,采用该方法建立的热误差模型,能够比较准确的预测数控机床的热误差。     

企业财务状况评价模型研究

利用主成分分析方法支持向量机在小样本空间中良好的分类能力,对60家上市企业分别进行了两类和四类的财务状况评价,获得了比较满意的结果。实验表明支持向量机完全可以提取优秀企业财务数据的内在知识,用来评判企业的财务状况。     

房地产投资项目的风险预测与分析

本项目侧重于研究支持向量机在房地产投资项目中的风险预测与分析的应用。支持向量机是基于统计学习理论和结构风险最小原则基础上的新型机器学习技术。通过选取惩罚系数C和核函数,经过模型初步评价的风险能够和最终数据模拟结果相一致,通过对支持向量机的实证研究表明此种算法在风险预测领域具有较好的风险预测能力     

基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。     

中国CPI指数的时间序列分析

CPI指数是一个滞后性的数据,但它往往是市场经济活动与政府货币政策的一个重要参考指标.CPI指数稳定、就业充分及GDP增长往往是最重要的社会经济目标.文章利用SPSS、E-Views软件,将时间序列的ARIMA模型应用于中国地区CPI指数分析,通过对CPI指数进行拟合、预测分析,得到了较好的效果.     

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。     

基于机器学习的斜坡堤越浪量预测方法研究

针对斜坡堤越浪量预测方法,分别建立集成神经网络(ensemble neural network,ENN)、随机森林(random for-eset,RF)和支持向量回归机(suppport vector regression,SVR)3种机器学习模型对斜坡堤越浪量进行预测,并利用决定系数R2和均方根误差RMSE来评估模型性能.最后,对3种模型的性能进行分析.结果显示,集成神经网络模型的决定系数R2和均方根误差RM S E分别约为0.96和0.0018,随机森林模型的决定系数R2和均方根误差RMSE分别约为0.97和0.0014,支持向量回归机模型的决定系数R2和均方根误差RMSE分别约为0.94和0.002.对比发现,3种模型的决定系数都达到0.9以上,都具有较高的预测精度,随机森林相比其他两个模型精度更高.     

支持向量机在上市公司风险管理中的应用

在严峻的经济形势下，企业之间的竞争越来越激烈，提高企业的竞争力和综合实力，研究企业的风险具有很强的实践意义，可以让企业提前预知风险，降低企业破产的可能性。研究企业风险的传统方法大多是基于线性的，而企业的风险一般是非线性。支持向量机(support vector machine)模型是基于统计学习理论发展起来的一种新兴的机器学习方法，对解决非线性、小样本问题具有很好的适用性。利用支持向量机模型研究中国上市公司的风险，通过对上市公司的财务比率进行建模和仿真研究，发现支持向量机对所选取的样本具有很好的分类效果，强于传统的线性方法，得出了支持向量机在上市公司的风险预测方面具有很强的准确率和可行性。这对以后研究上市公司风险具有一定的参考意义。     

基于随机森林算法的房地产经济周期性波动预测

<正>一、前言针对房地产经济周期性波动进行预测时，主要使用支持向量机算法设计预测方案，但面对大量数据时容易陷入过拟合情况，使预测结果均方根误差（RMSE）较大。因此，本文提出以随机森林算法为基础的房地产经济周期性波动预测方法。运用主成分分析方法选取合适的指标，定义房地产经济景气指数，描述房地产经济变化情况。根据已实现房地产经济波动率，考虑动态估计误差，建立经济周期性波动率模型。依托于随机森林算法布置多个决策回归树，     

中国高校生源危机的多角度预测与分析

中国高校招生需求和生源供给“一升一降”的态势使高校的生源危机问题突显,本文通过建立多种模型并对各种模型进行比较与筛选,发现主成分回归分析预测、时间序列预测和组合预测方法更加客观有效,从多角度对中国高校生源危机进行定量预测分析的结果表明,我国高校出现生源危机的大致时间是在2025年左右.     

规则模糊系统和ICA在图像识别中的应用

利用模糊系统中的模糊规则和SVM中内积函数之间的关系,通过支持向量机对训练样本进行学习,由支持向量确定模糊规则,构建基于规则的模糊分类器。对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分。该模糊系统在ORL人脸库上的实验结果表明,该方法同样适合解决小样本、非线性、高维模式的分类问题。     

首都机场客运量预测

机场客流量预测对于机场未来规划和管理措施改进有重要意义。本文根据影响机场客流量的主要因素——GDP为主要条件,采用计量模型预测对首都机场未来五年客运量进行了预测分析。然后加入北京市人均可支配收入、正班客座率、飞机起降架次等因素,采用支持向量机的方法做出预测。     

股票收益与消费者价格指数、工业品出厂价格指数之间价格传导关系的研究

本文对2003年2月至11月间我国月度股票收益率与消费者价格指数（CPI）、工业品出厂价格指数（PPI）之间的价格传导关系运用计量经济学方法进行了研究。研究成果：1、股票月度收益率与CPI和PPI之间存在协整关系。2、股票月度收益率与PPI呈反向变动关系;与CPI呈同向变动关系：3、向量自回归分析结果显示：滞后1期的股票收益率对CPI在统计上有影响,滞后2期的股票收益率对PPI在不同统计水平上也有显著影响。滞后1、2期的PPI对股票收益率在不同统计水平上也有影响。Granger因果关系检验进一步支持了向量自回归分析的结果。