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.     

疫情下大学英语"课程思政"案例库的建设研究

应用模糊最小二乘支持向量机(FLS-SVM)方法进行英语语篇的分类.FLS-SVM是在最小二乘支持向量机(LS-SVM)的基础上引入模糊隶属度函数,提高了英语语篇的分类精度和抗噪性.仿真结果表明,FLS-SVM进行英语语篇分类效果更优,为大学英语教学改革中"课程思政"案例库的建设提供了一个高效、可行的新方法.     

基于支持向量机的股票预测

股票预测是一种非线性、不确定的时间序列问题,传统方法很难对其进行准确预测.本文分析了支持向量机(SVM)在股票预测中应用的可行性.并通过邯郸钢铁股票数据对该方法进行了检验,结果显示,支持向量机具有较强的泛化能力.     

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。     

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.     

最优加权组合法在四川省GDP预测中的运用研究

在国民经济发展的过程中,国内生产总值(GDP)是衡量一个国家经济总体经济运行状况的重要指标。GDP预测对国家的经济政策和措施的制定具有战略性意义。单一的GDP预测方法,由于模型本身的特点和适应条件的限制,测算结果只包含了所研究系统的部分信息,无法准确反映系统的全部信息和其真正的发展规律。考虑用最优加权组合法将多个单一模型的优势综合起来,组成一个预测模型,就有可能比较合理地描述系统的整体情况。文章运用最优加权组合预测法对四川省1978—2014年的GDP走势进行预测。预测结合定性、定量方法,考虑采用指数回归方法、时间序列预测方法建立四川省GDP的单一预测模型,运用SPSS,Excel,Eviews等专业软件分别对这两种预测方法进行操作。采用最小二乘法进行权重分配并进行组合预测。结果发现,相对于单一预测模型,组合预测的误差最小,预测结果更可靠。     

试述不确定支持向量机应用分析及改进思路

本文通过研究两种不确定支持向量机各自的优缺点和适用范围,分别对粗支持向量机和模糊支持向量机在船舶购置成本中的应用进行了可行性分析,由此本文提出了改进不确定支持向量机,构建预测模型的基本思路。