基于PCA-SVM组合模型的股票价格预测

股票市场是个非稳定的时间序列,本文将支持向量机与主成分分析(PCA-SVM)结合对股票进行回归预测分析,以奥特迅(002227)为对象进行建模和预测研究。选取奥特迅90天的股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。     

基于PCA-SVM的港口集装箱吞吐量预测模型研究

从影响港口集装箱吞吐量的若干因素出发,本文依据主成分分析法和支持向量机回归法的基本原理,提出了一种基于主成分分析和支持向量机回归算法的建模预测方法。以连云港1999—2016年的统计数据为例,将该方法与指数平滑法、多元线性回归法及支持向量机回归法相结合,预测精度较高,最后利用主成分分析和支持向量机回归算法预测了2019—2020年的港口集装箱吞吐量,为港口决策提供重要依据。     

基于组合评价的纺织行业财务风险预警模型研究

将主成分分析（PCA）和最小二乘支持向量机（LSSVM）结合,提出了一种适用小样本空间的财务风险模型：PCA—LSSVM模型。以传统年度财务指标为基础,通过主成分分析,简化了输入变量,并利用LSSVM作为判别企业风险等级的工具。该模型可以在纺织行业中的上市公司选中1个或多个企业参与,避免了传统算法模型在解决财务风险预测的缺陷。算例结果表明了所提出模型能有效地提高预警方案的可行性,为财务风险的在线实施提供了方便。     

基于主成分分析法的供应商信用评价

供应链环境下的供应商信用评价是企业优化选择供应商合作伙伴的关键,主成分分析法可以避免主观因素的影响,通过建立供应商信用等级评价指标体系和评价模型,对选取的8家供应商信用等级进行正确评价,为供应商信用评价提供有效的分析手段。     

银行业高管竞争力评价模型及实证分析

在建立银行业高管竞争力评价指标体系基础上,构建了主成分分析(PCA)和支持向量机(SVM)相结合的竞争力评价模型。对原始指标数据进行标准化处理,运用主成分分析消除指标之间的冗余和相关,并在MATLAB 6.5中运用支持向量机对银行业高管竞争力进行评价。实证结果表明该方法是适用于我国银行业高管竞争力评价的有效方法。     

基于主成分的RBF核SVM在财务预测领域的应用

支持向量机(SVM)是实现结构风险最小化归纳原理的一种机器学习理论,在有限的学习模式下具有良好的泛化能力。为了评估支持向量机的预测性能,本文通过对684家企业进行财务分析,进而预测企业在未来两年是否会被ST。建立基于主成分的RBF(核函数)核SVM模型,将支持向量机与传统学习算法进行比较,结果表明支持向量机有效地提高了预测的精度,具有良好的泛化和预测能力。     

政府采购中供应商的信用分析

支持向量机(SVM)是在结构风险最小化的一种新的机器学习技术,在解决小样本、非线性及高维空间问题中具有独特的优势,适用于政府采购中对供应商进行信用分析。但供应商信用属性数据构成了高维空间的稀疏分布,不利于SVM的准确建模。由于主成分分析技术具有良好的去噪音特性,能够对信用属性数据进行有效地挖掘。因此,若将两者进行有机地结合,就能有效改善SVM输入样本的特性,从而提高SVM分类的准确率。     

基于TOPSIS评价模型的供应商选择研究

实体企业生产经营中,必然面临供应商的选择决策,本文通过对供应商与转运商时间序列数据分析,建立基于熵权法的TOPSIS评价模型、时间序列模型与多种规划模型,解决了企业在生产过程中供应商绩效的评价问题及供应链与物流服务选择问题。首先,我们通过搜集相关市场调查数据,构建以跟踪误差TE、信用风险的预期损失率PEL、重购意愿RI、供应商规模SS等为指标的评价体系。基于某企业生产数据计算各评价指标具体数值,建立基于熵权法的TOPSIS评价模型,确定重要的供应商。最后,通过时间序列分析发现供货量服从季节性波动,以货物供应量作为衡量供应商供货能力的特征数据,对供货周期进行聚类分析,剔除供应波动过大供应商,最终确定6家供应商。     

主成分分析在军队车辆器材供应商选择上的应用研究

本文分析了军队进行车辆器材供应商评价选择的作用和意义,建立了军队车辆器材供应商评价的指标体系,采用主成分分析法对各供应商的指标数据进行处理,得到评价函数并对各供应商进行综合评价。结合8家车辆器材供应商的实际指标数据进行了实例计算,验证了主成分分析法在军队车辆器材供应商评价上的可行性与有效性。     

中国海外上市公司的PCA—SVM财务危机预警研究

在支持向量机（Support Vector Machine,SVM）方法的基础上融入主成分分析（Principal Component Analysis,PCA）方法,可构建PCA—SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA．SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

辽宁石油加工产业的发展战略研究

以辽宁石油加工产业为研究对象,总结辽宁石油加工产业近几年存在的困难,应用主成分分析和聚类分析进行实证分析,在深入分析和探讨的基础上,分别从社会层面、产业层面、企业层面提出应促进石油加工产业健康发展;提高环境和谐能力;从产业布局、产业结构、产业集群等方面调整战略。     

基于SVM的中小企业财务预警模型探讨

本文结合我国中小企业当前的实际情况，针对常用的财务危机预警模型的不足，为有效解决传统模型存在的小样本、高维数、非线性和局部极小点等问题，提出了利用SVM（支持向量机）的分类能力建立财务预警模型。最后利用上市公司的财务数据进行训练和评估，证明了基于支持向量机的财务预警模型在小样本情况下具有良好的非线性建模能力和泛化能力。     

基于SVM的企业舆情分级及预警研究

移动互联时代,建立企业网络舆情预警模型,可以有助于企业尽早发现网络舆情危机,对提高企业舆情监控预警效率具有极其重要的意义。本文得出企业网络舆情的影响因素,根据K-means方法对企业舆情事件危机程度进行了分类,基于SVM构建企业舆情预警模型,通过“网易裁员”事件进行实例验证。实验表明该预警模型具备很好的准确度,可较精确预测企业舆情危险级别。     

基于供应定位模型的供应商选择机制研究

文章以供应定位模型为基础,将企业采购的物资划分为四个类别,分别是一般物资,杠杆物资,瓶颈物资和战略物资。由于每种物资对于企业的重要程度不同,所以选择供应商需要花费的时间、精力及选择标准就不同。文章针对不同的采购物资选择供应商的机制(包括供应商的数量选择及建立的关系类型)进行研究,旨在为企业物资采购,尤其是制造企业选择供应商时提供一定的参考意见。     

基于模糊QFD方法的供应商评价选择研究

在供应链管理环境下如何科学有效地进行供应商选择是企业采购管理和实践中所面临的一个重要课题。如何选择最合适的供应商,以及选择采用何种方法来对候选供应商进行评价是本文主要讨论的问题。本文采用模糊QFD方法和模糊平均加权平均法和模糊期望值算子构成的集成方法对各供应商进行排序,对供应商评价与选择的应用过程进行了详细的分析,并验证了该方法的科学性和可行性。最后,将该模型在雅戈尔公司供应商选择中的应用,得出了其供应商的优劣排序,为该企业选择了理想的供应商。     

基于主成分分析和K-means聚类分析的地区经济发展研究

地区经济的发展受制于该地区的自然资源、经济等因素,资源基础较好的地区会凭借其优势迅速发展,基础较弱的地区发展则较为缓慢,最终导致各地区之间经济发展的不平衡。如何平衡好地区经济的发展,将会决定我国未来经济发展的前景,促进我国地区经济协调发展将是国家经济发展的一项重大任务。为了综合评价我国各省市自治区的经济发展水平,缓解当前地区经济发展不平衡的现状,本文运用主成分分析法和聚类分析法对建立的相关指标体系进行分析,并根据分析结果提出相关的改进建议。     

石油设备供应商选择研究

石油设备专业性强、结构复杂,产品单价高,供应商数量较多。由于是各油田生产用的关键设备,其供应商的选择尤为重要,当前供应商的选择多采用专家目标打分法,通过专家讨论确定评价的指标及权重,再请评审专家对各指标进行打分,这种方法计算简单、灵活性强且便于操作,但也存在易受专家主观因素影响等诸多问题。文章从当前选商中的问题入手,通过问卷调查、实地走访等形式对石油设备的选商信息进行汇总分析,通过构建基于层次分析的模糊综合评价模型,提出供应商选择的优化策略,以期改进现有供应商选择及评价体系,提升石油设备供应商选择的科学性与合理性。     

基于多元统计的江苏省区域创新能力的评价研究

本文通过文献研究,剖析了城市创新能力的概念与内涵,建立了一套便于多城市间横向比较研究的城市创新能力评价指标体系,根据这一指标体系,用主成分分析法以及聚类分析法,对江苏省13个城市的创新水平进行了研究,并依据相关数据分析的结果对这些城市的创新能力进行了评价。     

基于权值SVM商品房价格模型研究

支持向量机(SVM)是在统计学习理论的VC维理论和结构风险最小原理的基础上发展起来的一种新的机器学习方法。本文利用SVM对商品房的几种主要价格因素数据进行统计学习,并且针对SVM学习过程中计算量巨大的问题,提出一种对核函数加权的方式来提高其学习效率,并针对不同因素调整其学习权重,有效提高了模型的学习速度和推广能力。SVM以统计学习理论为基础,具有简洁的数学形式、直观的几何解释和好的泛化能力等优点。研究证明,SVM的预测结果准确,使用方便,是一种优良的商品房价格建模方法。     

基于主成分分析的供货商选择研究

本文针对402家供应商进行量化分析排名。首先,整体分析A、B、C的需求量,整体的供货量,误差在某范围内的订单数。然后,个体分析每家供应商,确定评价指标,用主成分分析法各供应商按供应的原材料对应,将这个结果作为第一个指标。最后,利用SPSS求解,给出最终的供应商排名。