基于混沌时间序列的玉米期货价格预测方法

针对玉米期货市场的非线性特征,对玉米期货价格时间序列进行分析,建立基于混沌理论和最小二乘支持向量机的多变量时间序列预测模型,并对玉米期货的开盘价进行预测研究,结果表明多变量时间序列最小二乘支持向量机预测模型能精确地预测混沌时间序列,优于单变量支持向量机预测模型。     

中国股市行业轮动策略的实证分析

近年来,随着量化投资策略受到我国机构投资者的热捧,优化传统的行业轮动策略成为研究的热点.本文从宏观、估值和技术层面出发,建立合理的指标体系,运用粒子群优化算法和支持向量机建立识别周期-非周期轮动的策略模型.研究结果表明,该策略能够有效获取超额收益.     

基于BP神经网络与支持向量机的股票指数预测模型比较

本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测.研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型.     

基于相空间重构与支持向量机的人民币兑美元汇率预测

汇率的预测研究一直是国际金融领域研究的一个热点。混沌时间序列的建模与预测的关键是相空间重构和非线性函数逼近，基于汇率时间序列存在混沌特征的特点，利用相空间重构技术对汇率时间序列进行重构，然后利用支持向量机作为非线性函数逼近，构建了一种基于支持向量机回归（SVR）的汇率预测模型。采用美元兑人民币的日汇率进行实证研究，结果表明，所构建的SVR模型能较好的反映汇率的变化趋势，预测精度较高。     

基于主成分分析的股票收盘价组合预测方法

本文构造了隐马尔可夫模型、CNN、LSTM、支持向量机的组合算法,旨在寻求股票收盘价精准预测的算法。在处理缺失值和异常值的过程中,本文使用三次样条插值法填充了缺失值,使用DBSCAN聚类的方法删除了异常值。考虑到不同的因素指标对下一交易日收盘价的影响程度不同,本文采用灰色关联判别分析其关联度,剔除了关联度小于0.9的指标,避免了数据冗余,提高了运算效率。本文使用中信证券和上证指数的数据实证研究后发现,单独预测模型并不能很好地预测收盘价的涨跌。为此,本文使用主成分分析来确定四种方法的权值,最终得出组合预测股票涨跌的比例达到95.65%和94.26%。     

基于灰色支持向量机模型的基金波动率预测

探讨灰色系统与最小二乘支持向量机组合预测模型在波动率上的应用的可行性,通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优,来提高组合预测模型的预测精度和推广泛化能力。经波动率预测的实证分析得出建立的组合模型比支持向量机模型有较好的预测效果。     

基于网络搜索数据的平遥旅游客流量预测分析

本文基于百度指数进行旅游关键词的挖掘,运用决策树、bagging、随机森林和支持向量机四种算法模型对旅游关键词与平遥古城游客流量关系进行分析,并比较了各模型的拟合度、稳定性及预测效果。实证研究发现,随机森林模型稳定性最好,SVM模型拟合和预测效果最好,因此SVM模型可以作为最终的平遥古城客流量预测模型。     

支持向量机在股市预测中的应用

本文以上证综合指数2011年1月4日到2018年1月4日的股市行情为研究对象进行实证分析,建立了一个支持向量机回归机的预测模型。实证分析主要基于MATLAB软件嵌套Libsvm工具箱实现。实证分析结果表明,本文建立的针对股市预测的支持向量机回归机模型是有效的。     

基于粒子群优化算法的非线性系统模型参数估计

针对非线性系统模型的多样性，提出适用于多种非线性模型的基于粒子群优化算法的参数估计方法，结果表明，粒子群优化算法是非线性系统模型参数估计的有效工具。     

基于支持向量机的区域物流需求预测模型研究

本文针对区域物流需求问题,建立支持向量机预测模型。运用基于改进求核算法的属性约简方法筛选预测指标,以货运量为目标函数,建立预测指标体系;进行数据的归一化处理,利用Lagrange乘子法、径向基核函数,建立SVM基本模型,并简述SVM参数确定的两种方法:五折交叉验证法、人工鱼群算法,最终建立完整的区域物流需求预测模型。     

基于网格优化模型的支持向量机企业信用评级应用研究

本文在分析支持向量机原理后提出了运用网格搜索法选择最佳核函数、模型参数法构建支持向量机模型.笔者以宁夏辖区2020年央行内部(企业)评级数据为样本,通过指标相关性分析、构建F统计量筛选出信息贡献度高的定量评级指标,并利用线性核函数、高斯核函数、多项式核函数分别对宁夏辖区2020年央行内部(企业)评级数据进行建模分析.研究结果表明基于网格搜索法选择支持向量机的方法可以准确预测央行内部(企业)评级结果,同时,利用支持向量机对剔除行业相关特定定量指标后的公共定量指标做建模分析,发现在有限维度定量指标数据无法对评级结果作出准确预测时,可通过将高斯核函数映射到高维空间来作出相对比较准确的分类预测.     

基于支持向量机的股指期货合约价格预测

随着金融市场的不断发展,对于股指期货的预测变得十分必要.本文首先介绍了支持向量机并且分析了支持向量机的原理,并且建立了基于支持向量机的股指期货合约价格预测模型,最后应用实例验证其科学性.     

基于集成算法的信用债违约预测模型及其影响因素研究

本文选取2014—2021年的信用债作为研究对象，以单一算法（逻辑回归、高斯朴素贝叶斯、支持向量机和伯努利朴素贝叶斯）分别构建Bagging和Stacking集成学习模型，并将其与单一算法以及传统方法（KMV模型）进行对比，探讨如何提高信用债违约预测精度，证明Bagging集成算法的可靠性，还通过SHAP可解释算法研究信用债违约中的重要指标。实证结果显示，四种单一机器学习模型在预测准确率上优于传统KMV模型；进一步对机器学习模型进行集成，发现同质集成算法在提高预测性能方面不如异质集成算法，且Bagging异质集成算法的预测准确率优于Stacking异质集成算法。将性能最好的Bagging异质集成算法与SHAP可解释算法结合，得到对识别信用债违约具有重要价值的9个指标，分别是违约前债项评级、违约前主体评级、交易所、净资产收益率、债券类型、企业性质、财务费用、总资产增长率以及第一大股东持股比例，关键指标的识别对信用债违约预测具有指导意义。     

运用“支持向量机”对客流量的预测研究

支持向量机(SVM)是一种崭新的机器学习方法,它建立在统计学习理论和结构风险最小化准则的基础上。此方法能解决小样本、非线性及高维模式识别中的问题。本文通过对某市公路客运量数据特征的分析,建立了基于支持向量机的客流量预测方法,与人工神经网络预测方法相比,该预测模型的平均精度较高,且具有收敛速度快、泛化能力强等优点,比较适合客流量的预测。     

基于支持向量机的利率期限结构实证分析

利率期限结构一直是量化研究领域的重点课题,目前国内关于利率期限结构拟合的研究较多,而对利率期限结构的预测则研究较少,关于利用支持向量机的方法预测利率期限结构的研究更是屈指可数,本文利用支持向量机对国债的即期利率进行了拟合和预测,并与普通的时间序列线性模型对比,发现支持向量机的拟合和预测效果均好于自回归模型。     

企业审计中财务困境预警模型自学习功能的实现研究——基于五种不同数据挖掘模型测试的结果

审计分析软件的自学习功能十分重要。本文针对中央企业审计分析和预警系统的核心技术——财务困境预警,选取206家中央企业及其子公司的财务指标作为训练样本和测试样本。使用主成分分析方法筛选后,采用Fisher线性判别模型、贝叶斯判别模型、Logistic模型、径向基函数神经网络模型、支持向量机模型等五种数据挖掘模型进行训练和测试。结果表明:除贝叶斯判别模型预测结果较差外,其它四种模型的预测准确率都较高,其中Fisher线性判别模型的预测准确率最高。本实验室给出了Fisher线性判别模型自学习功能实现的流程图和C/C++语言描述,实现了中央企业审计分析和预警系统的优化和改进。     

基于机器学习的信用评级展望研究——以发电企业为例

信用评级展望是对信用评级变化趋势的预估。目前主流评级机构给出的评级展望主要来自专家主观判断,且准确率较低。论文以225个发电企业为样本,使用Logistic回归、决策树集成、支持向量机、神经网络等多种机器学习手段,尝试建立分类算法,最终选取BP神经网络得出了评级展望模型。     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明:该方法能有效地预测股票价格的变化范围。     

基于VAR模型的我国大豆期货市场价格影响因素分解

大豆期货作为我国最早一批设立的农产品期货市场,在套期保值、价格发现等发挥了多方面的作用,但是一直以来期货价格波动频繁,因此本文基于VAR模型对大豆期货市场价格的影响因素进行分析.依次进行了平稳性检验、协整检验、建立向量自回归模型、脉冲响应函数和方差分解等步骤进行实证分析.结果表明,我国大豆期货价格与大豆现货价格、进口价...     

上海锌期货价格的组合预测分析

本文利用锌期货价格的历史信息和上海锌的现货价、伦敦锌期货价格等分析预测上海锌期货价格。针对单一模型存在预测误差大的问题,本文结合时间序列ARIMA模型、回归模型及组合模型来分析预测锌收盘价,结果发现组合预测模型的精度高于单一模型的分析,即用组合预测模型来预测锌期货价格是一种相对可取的方法,可以为投资者和期货经纪公司提供一定的参考价值。