收藏本站
《山东科技大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

金融问题中的支持向量机应用研究

沈传河  
【摘要】:本文基于“知识驱动的数据挖掘(Knowledge-driven datamining)",针对金融数据的特性对支持向量机进行适应性改进,并开展其在金融问题中的应用研究。 首先,分析了支持向量机理论及其在金融数据挖掘应用方面存在的局限性。在概述支持向量机的涵义、模型构建原则、类型及其算法基础上,着重强调结构风险最小化原则是其内在本质和优势所在。但针对金融数据非线性、非平稳、高噪声等特性,常规支持向量机仍存在一些不足。如,对样本和特征的动态适应性较差,在处理具有野点、离群点等性质的金融数据时稳定性欠佳,等等。所有这些局限促成了本文工作的任务,即对支持向量机进行金融数据的适应性改进。 其次,立足模型选择角度,围绕支持向量机的自身参数(meta-parameters)C、ε的确定和特征异质性的考虑,改进现有的样本重要性和特征重要性调整方法,探讨对样本和特征进行合理加权的途径,提高支持向量机对金融数据的适用程度。基于打折的最小二乘思想(DLS),利用基于信息特征与含量的概率估计方法,对指数权重函数进行修正,从而获得样本的权重值。同时,采用基于支持向量机输出对输入变量导数的显著性分析方法(DB-SA),获取输入向量特征的权重值,实现支持向量机对特征异质即特征相关性强弱的判断和赋值。而且,利用融合方法,尝试将样本加权和特征加权方法混合使用,建立一个合成的加权模型—混合加权支持向量机(HW-SVM),进一步提高支持向量机的稳定性和推广能力。 再次,从外部融合视角,将支持向量机与其它机器学习方法和统计方法进行融合,实现不同方法之间的优势互补,更好地捕捉金融数据独特的内含信息。分别与copula函数和小波神经网络融合起来,构建混合的非线性系统,从外部改进支持向量机的性能,刻画金融市场的本质特性与特征变量,更好地分析金融市场不断演化的复杂机理。 为检验支持向量机改进效果,在实例分析中主要涉及公司财务危机预测、期权和可转换债券定价、套期保值分析、金融市场联接形态结构与途径分析等方面的应用,均取得了良好的模型表现。
【关键词】:支持向量机 样本与特征加权 多方法融合 混合非线性系统 金融数据挖掘
【学位授予单位】:山东科技大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:F830;TP311.13
【目录】:
  • 摘要5-6
  • ABSTRACT6-12
  • 1 绪论12-23
  • 1.1 问题的提出12-14
  • 1.2 国内外研究现状14-18
  • 1.3 研究思路与方法18-20
  • 1.4 研究内容20-22
  • 1.5 本章小结22-23
  • 2 支持向量机及其在金融问题应用中的局限性分析23-39
  • 2.1 支持向量机方法23-32
  • 2.2 支持向量机在金融问题应用中的局限性32-38
  • 2.3 本章小结38-39
  • 3 基于样本加权的支持向量机改进39-56
  • 3.1 样本加权的传统方法39-44
  • 3.2 样本加权的改进44-52
  • 3.3 在公司财务危机预测中的应用52-55
  • 3.4 本章小结55-56
  • 4 基于特征加权的支持向量机改进56-70
  • 4.1 特征加权的传统方法56-60
  • 4.2 特征加权的改进60-61
  • 4.3 在期权定价中的应用61-64
  • 4.4 样本与特征同时加权的支持向量机64-66
  • 4.5 在套期保值分析中的应用66-68
  • 4.6 本章小结68-70
  • 5 基于copula函数的支持向量机改进70-84
  • 5.1 copula理论与非线性相关分析70-72
  • 5.2 与copula函数融合的支持向量机模型72-73
  • 5.3 在可转换债券定价中的应用73-77
  • 5.4 在金融市场联接形态结构分析中的应用77-82
  • 5.5 本章小结82-84
  • 6 基于小波神经网络的支持向量机改进84-92
  • 6.1 小波神经网络84-86
  • 6.2 与小波神经网络融合的支持向量机模型86-89
  • 6.3 在金融市场联接途径分析中的应用89-91
  • 6.4 本章小结91-92
  • 7 论文工作总结92-97
  • 7.1 主要创新工作及观点92-95
  • 7.2 下步研究方向95-97
  • 致谢97-98
  • 参考文献98-109
  • 攻读学位期间发表的论文与从事的课题研究109-110

【参考文献】
中国期刊全文数据库 前10条
1 杨璐,高自友;用神经网络进行变量选择[J];北方交通大学学报;1999年03期
2 刘凤琴;马俊海;;金融衍生证券的人工神经网络定价方法研究进展评述[J];财经论丛;2008年03期
3 白钦先;汪洋;;货币市场与资本市场的连通与协调机理研究[J];当代财经;2007年11期
4 杨一文,刘贵忠;分形市场假说在沪深股票市场中的实证研究[J];当代经济科学;2002年01期
5 韦艳华,张世英;金融市场的相关性分析——Copula-GARCH模型及其应用[J];系统工程;2004年04期
6 杨国梁;赵社涛;徐成贤;;基于支持向量机的金融市场指数追踪技术研究[J];国际金融研究;2009年10期
7 胡莹;王安民;;基于加权支持向量机的VaR计算方法研究[J];经济数学;2010年01期
8 王一萱,屈文洲;我国货币市场和资本市场连通程度的动态分析[J];金融研究;2005年08期
9 郭虎升;王文剑;;基于神经网络的支持向量机学习方法研究[J];计算机工程与应用;2009年02期
10 李琼;董才林;陈增照;何秀玲;;一种快速的SVM最优核参数选择方法[J];计算机工程与应用;2010年15期
中国重要会议论文全文数据库 前1条
1 田金信;张国永;郭志达;;基于支持向量机改进的VaR模型研究[A];第八届中国管理科学学术年会论文集[C];2006年
中国博士学位论文全文数据库 前2条
1 张日东;非线性预测控制及应用研究[D];浙江大学;2007年
2 任仙玲;基于Copula理论的金融市场相依结构研究[D];天津大学;2008年
【共引文献】
中国期刊全文数据库 前10条
1 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
2 王永梅;胡学钢;;决策树中ID3算法的研究[J];安徽大学学报(自然科学版);2011年03期
3 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
4 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
5 叶明全;;数据挖掘在医疗数据中的应用[J];安徽工程科技学院学报(自然科学版);2007年03期
6 辛立民;杨芸;;基于神经网络的建筑工程投标报价预测[J];安徽工程科技学院学报(自然科学版);2008年04期
7 贾泽露;;基于GIS与SDM集成的农用地定级专家系统[J];安徽农业科学;2008年14期
8 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
9 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
10 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
中国重要会议论文全文数据库 前10条
1 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
3 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
4 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
5 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
7 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
8 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
9 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
10 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 王龙金;零/低航速减摇鳍升力模型及系统控制策略研究[D];哈尔滨工程大学;2009年
3 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
4 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
5 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
6 万九文;国际原油海运运费市场波动特征研究[D];大连海事大学;2010年
7 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
8 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
9 柏坚;非线性数学地质模型研究及在滇东南金矿成矿预测中的应用[D];中国地质大学(北京);2010年
10 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 杨希;Copula函数的选择方法与应用[D];山东科技大学;2010年
5 孙勇;股票市场波动性及股票市场与GDP、汇率间的相关性分析[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
8 吕端国;一类Copula函数及其相关问题研究[D];山东科技大学;2010年
9 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
10 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 梁久祯,何新贵,黄德双;前馈神经网络的一种简单共轭梯度学习算法[J];北京航空航天大学学报;2000年05期
2 杨新松;龙革生;;分业经营下资本市场与货币市场之间的联结分析[J];财经论丛(浙江财经学院学报);2006年02期
3 秦池江;货币市场先行论[J];财贸经济;1995年03期
4 乜堪雄;;对我国股票市场有效性的探讨[J];重庆交通学院学报(社会科学版);2006年01期
5 曾健,陈俊芳;Copula函数在风险管理中的应用研究——以上证A股与B股的相关结构分析为例[J];当代财经;2005年02期
6 李俭富;马永开;曾勇;;指数跟踪研究评述[J];当代经济管理;2005年06期
7 杨一文,刘贵忠;分形市场假说在沪深股票市场中的实证研究[J];当代经济科学;2002年01期
8 张鸿宾,孙广煜;近邻法参考样本集的最优选择[J];电子学报;2000年11期
9 王守觉,王柏南;人工神经网络的多维空间几何分析及其理论[J];电子学报;2002年01期
10 王守觉;仿生模式识别(拓扑模式识别)——一种模式识别新模型的理论与应用[J];电子学报;2002年10期
【相似文献】
中国期刊全文数据库 前10条
1 辛治运;顾明;;基于最小二乘支持向量机的复杂金融时间序列预测[J];清华大学学报(自然科学版);2008年07期
2 马凤云;刘培玉;王雪娟;;SVM和BP相结合的垃圾邮件过滤技术[J];计算机安全;2006年06期
3 张菁华;袁鑫;刘达;;基于支持向量机的电力工程最优投标报价决策研究[J];华中电力;2006年05期
4 窦连辉;;推理型支持向量机在网络入侵检测中的应用[J];科技咨询导报;2006年18期
5 胡挺;;基于支持向量机的并购目标搜索研究[J];统计与决策;2007年06期
6 颜七笙;徐辉;;基于支持向量机的企业自我实现能力综合评价方法[J];中国管理信息化(综合版);2007年08期
7 黄海轮;;基于支持向量机模型的财务预警应用研究[J];长江大学学报(自科版)理工卷;2007年03期
8 阎纲;;支持向量机在股市预测中的应用[J];科学技术与工程;2008年02期
9 王海洋;丁正生;;基于分段贪婪的SVM训练算法研究[J];商业文化(学术版);2008年05期
10 高莉;;支持向量机在个人信用评估中的应用[J];新乡学院学报(自然科学版);2008年02期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 本报记者  张柏松;美式招标首次现身央票一级市场[N];证券时报;2006年
2 特约撰稿 陆文磊 屈庆 李坤元;数据利好频现 乐观预期难以撼动[N];上海证券报;2006年
3 中信建投宏观经济分析师 夏敏仁;从最新金融数据看消费升级投资[N];上海证券报;2009年
4 袁媛;加息可能带来建仓机会[N];深圳商报;2007年
5 陆文磊(作者单位:申银万国证券研究所);信贷异常放量 宏观存在变数[N];证券时报;2006年
6 王福民;转型移动金融数据 新大陆扩张路线坎坷[N];经济观察报;2004年
7 琳达;金融数据存储 引入信息生命周期管理[N];金融时报;2004年
8 董德志;市场人士:喜忧参半看数据[N];金融时报;2007年
9 徐丽丽;加息预期笼罩 债市继续调整[N];证券时报;2007年
10 记者  李岚;上半年金融数据水落石出货币政策何去何从[N];金融时报;2006年
中国博士学位论文全文数据库 前10条
1 沈传河;金融问题中的支持向量机应用研究[D];山东科技大学;2011年
2 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
3 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
4 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
5 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
6 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
7 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
8 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
9 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
10 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026