遗传支持向量机在城市节假日电力负荷预测中的应用

支持向量机（support vector machines,SVM）根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,具有良好的预测效果？但是在基于支持向量机的负荷预测方法中,参数的选择对预测结果具有较大影响,可能导致结果误差较大。本文利用遗传算法对SVM的参数最优值进行自动搜索,改善其预测性能。然后将遗传支持向量机（GA-SVM）应用于广东省某城市的节假日电力负荷预测。结果表明,基于遗传支持向量机的预测效果比相似日法更好。     

企业管理二分类问题研究综述——基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

企业管理二分类问题研究综述--基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

基于支持向量机财务预警模型的实证研究

本文结合主成分分析法和支持向量机模型,构建了一种新的上市公司财务困境预警模型,并对我国A股上市公司中80家因为“财务状况异常”而被“ST”的公司进行预测,结果表明效果理想。     

基于Logistic—SVM的上市公司总经理离职行为预警模型研究

文章在建立上市公司总经理离职行为预警指标体系基础上,提出了Logistic和支持向量机（SVM）相结合的上市公司总经理离职行为预警模型。对原始指标数据进行标准化处理,然后通过Logistic回归分析对SVM的输出提供支持信念以修正支持向量机的结果。     

基于支持向量机的舰艇部队作战油料消耗量预测研究

为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性。     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性.     

论提高装备故障预测准确度的方法途径——先进智能预测算法研究

提高故障预测准确度的方法有很多,研究先进的智能预测算法就是其中的一种。大量的先进预测算法都得到了广泛的应用,如专家系统、神经网络、支持向量机等。每种智能预测算法都有各自的优点和不足,首先介绍了常见的智能预测算法及其应用;然后重点介绍了支持向量机,主要包括其基本原理和主要问题;最后对支持向量机算法的改进方向进行了探讨。支持向量机作为智能预测算法的一种,对于提高故障预测准确度有很好的应用前景。     

提高盈利预测审计质量,规范上市公司盈利预测行为

随着我国市场经济的逐步建立,证券市场的发展、盈余预测信息已成为影响股价的一个重要因素.本文对上市公司盈利预测信息的研究,目的在于规范上市公司合理进行盈余预测、提高上市公司盈利预测信息的可靠性,为投资者进行投资决策提供依据,以促进我国证券市场的健康发展.本文从盈利预测审计的角度出发,提出强化注册会计师的审计监督,以保证上市公司盈利预测的可靠性,从而保证投资者的合法权益.     

大丰港货物吞吐量的时间序列法预测研究

根据大丰港的历史数据,采用时间序列的回归分析方法对大丰港货物吞吐量进行预测研究。在回归分析法中,通过比较,选择指数模型、高次多项式模型以及支持向量机方法分别对大丰港的货物吞吐量进行模拟预测。对指数模型、多项式模型、支持向量机三种方法的预测结果进行比较,并结合大丰港的实际情况,最终选择使用支持向量机法给出大丰港2012—2016年的货物吞吐量预测值。     

基于支持向量机模型的财务预警警度分类研究

本文以模式分类理论阐述了财务预警的实质,给出了财务预警指标及量化方法,并应用支持向量机模型对上市公司进行财务预警警度分类,实证表明了支持向量机以多模式分类标识财务预警警度的可行性和实用性。     

新审计报告与资本市场的信息反应——来自股价同步性和股价预测能力双维度的经验证据

新审计报告准则的施行旨在增加审计报告的信息含量及其决策相关性。以2015—2018年沪深非金融上市公司为样本,研究发现新审计报告施行后,上市公司的股价同步性显著下降,公司特质信息含量比例显著上升,股价特质信息效率显著提升,同时新审计报告的施行产生了增量信息。在此基础上,进一步分析新审计报告准则对资本市场特质信息效率的传导机制,发现投资者关注度对新审计报告(关键审计事项的披露数量)影响资本市场特质信息效率的过程中表现出显著的部分中介效应。分样本检验的结果表明,虽然AH股共同上市公司和非AH股共同上市公司之间的结果存在细微差异但整体趋势相似。通过对新审计报告的影响的分析,可以更好地理解该政策对资本市场的影响。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

基于组合分类器的上市公司信用风险评价

针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。     

SVM与神经网络在时间序列预测中的比较

神经网络和支持向量机都能有效地预测时间序列数据,但各自结构特点不同,导致其预测性能有差别。文章从理论和实践上比较了支持向量机与神经网络的优缺点。     

沪深股市首发新股盈利预测的实证研究

上市公司盈利预测信息是确定股票上市后股价走势的重要依据,它对投资者的投资行为具有引导作用。国外的盈利预测实证研究兴起于上世纪70年代末期,而国内这方面的研究还刚刚起步。本文通过对国内资本市场的盈利预测的研究,分析了新上市公司盈利预测情况及其可靠性。     

基于组合分类器的上市公司信用风险评价

针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。     

上市公司股价崩盘传染及其非对称性研究——基于我国沪深A股实证检验

股价崩盘事件时有发生,并且存在明显跨市场传染性,加剧了股价崩盘的负面影响。本文基于A股上市公司大样本实证检验以及保险类公司案例分析,研究中国上市公司间股价崩盘传染性。检验结果显示:A股公司股价崩盘存在明显传染性,导致同行业公司下一周收益率显著降低、同行业公司下一周股价崩盘率显著增加;并且大公司、央企较其他公司对同行业公司传染效应更强。本文验证了资本市场内部股价崩盘传染性,并且存在传染效应不对称性。基于此,本文建议提高上市公司信息透明度、完善股价异常波动监管机制、差异化对待股价崩盘事件来应对股价崩盘传染风险。