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。     

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.     

支持向量机在中国A股市场量化策略应用研究--基于Fama-Fench三因子模型

如何将机器学习方法应用于金融投资领域,一直是学术界和金融界热门的研究话题。本文将机器学习中的支持向量机方法结合Fama-Fench三因子模型,构建了新的量化投资策略,并利用A股进行了实证分析。研究表明,将支持向量机结合传统的三因子模型可以构建更加有效的投资组合。     

基于PSO-SVR的期货价格预测

本文建立基于粒子群优化（PSO）的支持向量机（SVR）,实现对期货价格的有效预测。首先选取代表性的技术指标、收盘价和成交量作为样本特征集,以下一时刻的收盘价作为输出变量。然后通过粒子群优化算法寻找最优的惩罚因子和RBF函数的宽度参数,在此基础上建立支持向量机模型,并用样本集进行训练。最终仿真结果显示基于粒子群算法的支持向量机模型具有学习精度高、泛化能力较强的性质,可用于期货价格的短期预测。     

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。     

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。     

基于支持向量机的宠物食品企业价值评估研究——以中宠股份为例

近年来宠物经济的迅速发展为宠物食品企业带来了发展机遇,其企业价值也会有一定的改变。但是宠物食品企业价值评估领域的研究匮乏,理论体系也有待完善。本文基于宠物食品企业起步时间晚、高速成长等特点,并考虑到支持向量机模型在小样本、非线性预测方面的优势,引入支持向量机模型对宠物食品企业营业收入进行预测,再采用自由现金流折现模型评估其企业价值,并与基于灰色预测的自由现金流折现模型的估值结果进行对比分析,充分说明了基于支持向量机的自由现金流折现模型在评估宠物食品企业价值方面的可靠性,提供了新的评估思路。     

支持向量机在上市公司财务预警模型中的应用研究

利用我国上市公司财务数据,采用支持向量机模型对上市公司财务危机预警研究,将其与神经网络模型进行比较,结果表明,无论在分类能力和预测能力上,支持向量机模型的精度和可信度都高于神经网络模型。证实了该方法用于财务预警的有效性及优越性。     

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。     

支持向量机模型在银行客户流失预测中的应用研究

本文结合某商业银行客户流失样本数据探讨利用支持向量机模型(SVM)进行客户流失预测。结果表明,由于商业银行客户流失数据呈现出典型的不平衡特征,直接采用统计预测方法和传统的分类方法预测精度较差,而随机抽样法能通过改变数据集分布从而减小数据的不平衡性。因此,本文利用随机抽样法对支持向量机模型进行改进,并与Logistic回归模型预测效果进行比较,结果发现选取该方法能有效提升模型预测精度,且预测效果优于Logistic回归模型,能较为准确地预测,对于商业银行加强客户管理、提升核心竞争力具有重要的意义。     

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...     

支持向量机在分类中的应用

支持向量机是在统计学习理论的基础上发展起来的一种新的机器学习方法,它基于结构风险最小化原则,能有效地解决学习问题,具有良好的推广性能和较好的分类精确性。支持向量机比RBF神经元网络和BP神经元网络在分类方面具有更好的推广能力。     

基于支持向量机的信托公司风险预警指标及模型研究——来自2005年—2013年信托业的经验证据

信托业作为金融业的重要组成部分,在金融体系服务于实体经济过程中发挥着日益重要的作用。随着我国信托业务规模的不断增大,如何强化我国信托业的风险控制意识,构建我国信托业的风险控制体系,将成为我国金融体系安全建设的重要内容之一。对此,本文分析了支持向量机的建模理论与方法,设计了信托公司风险预警指标,并选取2005—2013年期间信托业的数据样本,通过预警指标赋值方式测算出了样本信托公司的风险测度值;在此基础上,本文进一步运用支持向量机方法,构建了信托公司的风险预警模型,并给出了风险预警模型的分类预警输出结果。研究表明,支持向量机预警模型不仅对于少样本、高维度数据的预警效果较好,而且在分类预警方面具有较高的精确度。本文的研究成果将为我国信托业构建科学、高效的风险预警模型,提升我国信托业的风险运营效能,提供重要的理论指导与决策参考。     

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EFA-SVR的零售电商平台数据资产风险评估研究

随着数据资产对零售电商平台发展发挥越来越重要的作用,如何评估零售电商平台数据资产的风险成为资产评估机构和评估专业人员亟待解决的问题。本文构建5个一级指标、20个二级指标的零售电商平台数据资产风险评估指标评价体系,手工搜集2017-2021年四大零售电商平台的相关指标数据,运用探索性因子分析测算零售电商平台数据资产的风险,并运用支持向量机回归算法进行实证检验,验证了探索性因子分析和支持向量机回归的评估方法可行性,以期为零售电商平台数据资产风险的评估提供新思路。     

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。     

基于支持向量机的ERP实施绩效评价研究

目前在多目标综合评价方面有诸多方法,层次分析法、模糊综合评价等对权重的确定主观性较大或计算过程过于复杂。本文在介绍支持向量机的基础上,依据SVM算法建立ERP实施绩效评价指标体系,以SCI公司的EPR实施为例对其实施绩效进行综合评价,得出与实际情况相符的评价结果。实例表明,将SVM算法应用在ERP实施绩效评价中高效可靠,这为ERP实施绩效评价问题提供了一种新的思路。