基于支持向量机的股票投资价值研究

随着中国股票市场的发展和日趋成熟,股票投资价值的研究方法也日趋完善。非线性方法在股市研究中取得了快速的发展,其中支持向量机是近几十年来一个较新的发展分支,研究的是小样本问题下的机器学习方法。基于支持向量机方法研究上市公司年度财务数据对未来股价的变化的预测能力,同时通过预测结果选出股票投资组合,判断收益率是否能战胜市场。     

基于SVM集成学习的认知障碍脑电分类研究

目的:提出了一种基于小波特征提取的支持向量机集成分类算法,用于脑卒中后认知障碍病人的识别.方法:首先由Infomax独立分量分析算法去除脑电信号中的干扰成分;然后利用db4小波基提取认知电位P300特征波,并进行叠加平均;最后将特征量基于Bagging算法送入支持向量机基分类器进行集成学习,通过最大投票法得到分类结果.结果:实验结果表明,该算法分类效果好,平均分类精度为85.71%.结论:较单个支持向量机分类器,识别性能好,实现了认知障碍脑电信号的有效分类.     

基于KPCA-SVM的公路客运量预测研究

支持向量机(Support Vector Machine,SVM)是建立在统计学习理论和结构风险最小化准则基础上的机器学习方法,该方法可以较好的解决以往很多学习方法的小样本、高维数、非线性和局部最小点等实际问题.本文利用支持向量机(SVM)回归理论和方法,建立基于核函数主成分支持向量机(Kernel Principal Component Analysis-Support Vector Machine,KPCA-SVM)回归模型,并用2000-2008年杭州市公路客运量为样本进行了预测,结果表明,KPCA-SVM模型具有较高的预测精度和可靠性,是一种有效的公路客运量预测方法.     

基于LS-SVM的企业信用等级分类系统研究

利用主成分分析建立了企业信用评价财务指标体系,将信用风险评价的问题看作是对贷款企业信用风险的模式分类问题,在此基础上构建了最小二乘支持向量机信用等级分类系统,最小二乘支持向量机相对于其他支持向量机和神经网络,运算速度快易于操作,因此在我国商业银行信用风险评价领域的具有较大的应用前景.     

基于随机森林方法的基金收益率方向预测与交易策略研究

笔者引入一种新的非参数随机森林方法预测我国基金超额收益率方向,并和自回归移动平均、随机游走、支持向量机等方法进行比较,发现随机森林方法在收益率方向预测上有很好的效果,一定程度上证明了我国金融市场的可预测性。并在收益率方向预测结果的基础上构建各种交易策略,利用2006年12月至2008年10月我国股市大涨大跌期来检验交易策略,结果表明,在其他条件相同情况下,基于随机森林的交易策略表现明显要好于其他策略。     

农业信息化投入对农业产出贡献率评价研究

为进一步提高农业信息化投入对农业产出贡献的评价精度,提出一种基于粒子群优化算法优化LSSVR的混合智能评价方法,采用粒子群优化算法选取最小二乘支持向量回归机训练参数。首先,介绍粒子群优化算法优化LSSVR算法,并以农业信息化对农业总产出贡献率的预测进行农业信息化评估实验。选取广东省2003-2010年农业信息化对农业总产出贡献率的数据进行研究,表明基于粒子群优化最小二乘支持向量回归机的混合智能评估算法相比于传统的支持向量回归机有更好的评估效果。这种方法能较好地评价与预测农业信息化对农业总产出的贡献率,对正确引导我国农业信息化的发展具有重要的理论价值。     

基于支持向量机的上市公司竞争力分析

作为数据挖掘中的一项新技术,支持向量回归机(SVR)正被运用到各种各样的实际问题当中,发挥了其它方法所不具有的优越性。本文通过运用支持向量机的方法,对房地产行业上市公司的竞争力进行了实证研究,采用十折交叉验证法对样本进行训练、验证,得到上市公司的竞争力状况及其变化趋势。     

中国A股市场截面回报率的决定因素--区分市场涨跌的考察

本文用Pettengill等(1995)对Fama-MacBath回归的修正方法区分市场涨跌对中国股市证券组合市场风险与回报率之间的关系进行了检验,同时用不同的组合构建方法考察了公司特征变量与回报率之间的关系.结果都表明,中国股市具有独特的风险-回报率关系,现在对中国股市截面回报率的决定因素做出结论为时尚早.     

我国风力发电项目投资风险评价——基于支持向量机模型

在分析我国风力发电项目投资风险并建立其评价指标体系的基础上,将支持向量机模型用于风力发电项目投资风险评价,全面衡量风力发电项目面临的经济风险、技术风险、政策风险等。支持向量机方法很好地解决了风力发电项目样本数据缺失、评价主观性问题。实证分析结果表明,利用支持向量机模型评价风力发电项目的投资风险,具有一定的适用性和准确性。     

同步优化思想在个人信用评估中的运用

在对目前个人信用评估方法分析的基础上,提出了对于信用评估的重要指标提取和模型参数选择这两个过程进行同步优化的方法,利用评估指标和评估模型参数的互相依赖关系来提高整个信用评估系统的分辨能力,并以支持向量机(SVM)为模型进行了实证检验。结果表明,同步优化方法能更好地提高模型整体的性能,分类正确率有明显的提高。     

煤层顶板冒落预测方法分析

本文以煤层顶板冒落数据作为样本,利用weka等软件,利用粗糙集理论等相关非线性理论知识,分别采用支持向量机和Bp-神经网络对煤层顶板冒落进行训练和预测.从详细的精度,混淆矩阵和节点错误率这三个方面分别比较三种算法,从而得到结论是:Bp-神经网络的训练和预测效果是稍微强于支持向量机.     

创业板上市公司财务预警研究

为了对退市前的创业板上市公司进行财务预警,本文选取93家创业板公司,包括64家财务健康公司和29家财务困境公司,分别使用两类人工神经网络模型和支持向量机模型,采用现金流量安全与否作为财务困境的标准,从20个财务指标提取10个,建立财务预警系统。研究结果表明,相对于人工神经网络模型,支持向量机模型能够较好地对小样本进行判别预测,是一种比较理想的财务预警模型。     

基于免疫优化多分类SVM的变压器故障诊断新方法

本文旨在将免疫算法与多分类支持向量机（SVM）进行结合,利用免疫系统的特殊性能将支持向量机分类所要用到的参数进行优化,从而减少分析诊断过程中所做的无用功,能够迅速有效的实现对变压器发生的故障的诊断和处理,防止事故范围的进一步扩大,从而保障了供电的稳定可靠性。     

股权属性、董事会特征与绩效识别——支持向量机(SVM)在公司绩效识别中的应用研究

与现有研究文献不同,文章采用基于统计学习理论的新型机器学习方法——支持向量机(SVM),通过2004年沪市的机械、设备、仪表行业上市公司的股权属性、董事会特征对公司绩效进行识别。研究结果显示,各组检验样本的正确识别率基本都在80%以上,证明支持向量机对公司绩效具有良好的识别能力,特别是表现出对小样本的适应性。     

投资者情绪、股市流动性与波动性的关系研究

选取2003-2018年的月度数据,运用结构向量自回归模型(SVAR)研究中国投资者情绪、股市流动性与波动性之间的相互关系.结果 发现,这三者自身运行的惯性较强,它们共同形成了一个互相影响的动态系统;股市流动性与波动性互为格兰杰因果关系,两者均显著影响到后期投资者情绪的波动;股市流动性受到投资者情绪的影响程度较大,延续时间较长;股市波动性在短期内受到投资者情绪、股市流动性的负方向影响;中国股市存在特殊时间效应,投资者情绪、股市流动性与波动性年首较低,年末较高,在牛市中显著增强很多倍.中国需要建立股市波动预警机制,构筑稳定投资者情绪的防火墙,对投资者加强分类监管与差异化教育,培育长期型机构投资者.     

基于微分进化算法的支持向量机预测模型及其在制造业发展预测中的应用

根据支持向量机的自适应问题,通过对比传统进化算法的不足,提出基于微分进化算法的支持向量机模型,并以日本制造业时间序列数据为例,进行了较为准确的多步预测。     

灰色系统在股指趋势预测中的应用

灰色系统理论以“小样本”、“贫信息”的不确定系统为研究对象，主要通过对“部分”已知信息的生成、开发、提取有价值的信息。中小股民囿于认知能力、成本等因素制约，无法充分利用股市上的信息，判断股市行情走势。本文利用灰色系统中的DGM试图建立一个便于中小股民操作的股指走势预测模型，帮助中小股民把握股指走势，具有一定的应用价值。     

基于三种机器学习算法的智能制造能力成熟度评价

根据中国各省市的发展状况提出评估智能制造能力的成熟度模型。从智能制造装备、工业信息化、工业创新力、行业应用四个方面选取21个智能制造能力指标,采用BP神经网络、随机森林回归、支持向量机回归3种机器学习算法构建智能制造能力成熟度模型并进行训练以及验证。利用K折交叉验证、泛化误差定量的评估3种模型,选择出最优评价模型后再利用最优评价模型的输出值,确定各城市智能制造能力的成熟度等级。结果表明:(1)随机森林回归模型最适用于评价智能制造能力成熟度,且其特征重要性可以为指标与成熟度的相关性提供依据。(2)我国广东、江苏、山东三地的智能制造能力成熟度等级最高,贵州、西藏、甘肃等地等级最低。     

基于支持向量机的ERP软件供应商选择研究

如何选择适合企业发展的ERP软件是许多企业尤其是中小型企业比较关心的问题,所选择的ERP软件供应商直接关系到企业信息化建设的成败进而关乎企业未来的命运。利用支持向量机为企业评价ERP软件供应商提供了现实可行的解决方法。首先构造了反映软件供应商实力的评价指标体系,再利用支持向量机对ERP供应商的这些评价指标进行综合评判,进而分析出软件供应商的优劣,为企业的决策提供依据,因此具有重要的现实意义。     

支持向量机在人岗匹配度测算中的应用

在某市住房公积金管理中心的人力资源配置过程中,通过实例研究发现,采用支持向量机的人岗匹配度测算模型相对于BP人工神经网络等其他常规模型匹配精度更高,在样本数量较少的情况下其优越性更加突出。组织在采用支持向量机模型和模糊综合评价法进行人岗匹配度评价时,先应通过科学的工作分析,建立合适的测算指标体系,然后构建岗位匹配度矩阵和岗位候选人模糊矩阵,最后运用最小二乘支持向量机测算匹配度。