基于支持向量機(jī)的金融市場非線性特征分析.pdf

1、支持向量機(jī)理論(Support Vector Machines簡稱SVM)是一種專門的小樣本理論，它避免了人工神經(jīng)網(wǎng)絡(luò)等方法的網(wǎng)絡(luò)結(jié)構(gòu)難于確定、過學(xué)習(xí)和欠學(xué)習(xí)以及局部極小等問題，被認(rèn)為是目前針對小樣本的分類、回歸等問題的最佳理論，為解決非線性問題提供了一個(gè)新思路。
　　 隨著現(xiàn)代科學(xué)技術(shù)爆炸式的發(fā)展以及應(yīng)用和生產(chǎn)社會化和國際化程度的大幅度提高，世界經(jīng)濟(jì)一體化成為當(dāng)代社會發(fā)展的一個(gè)基本特征。匯率作為國際金融關(guān)系乃至經(jīng)濟(jì)關(guān)系正常發(fā)展

2、的重要紐帶，發(fā)揮著日益重要的作用。因此，正確分析與預(yù)測匯價(jià)及其波動對于金融政策與投資決策的制定有著至關(guān)重要的意義。
　　 支持向量回歸機(jī)(SVR)是處理回歸問題的優(yōu)秀方法之一，是一種重要的研究匯率預(yù)測的非參數(shù)化方法。而對于實(shí)際應(yīng)用中經(jīng)常會出現(xiàn)的多輸入多輸出函數(shù)回歸問題，目前多采用多輸出的支持向量回歸機(jī)(MSVR)來處理。由于函數(shù)的多輸出之間具有很強(qiáng)的關(guān)聯(lián)性，MSVR在模型構(gòu)造上較為復(fù)雜，從而也使得預(yù)測精度的提高、誤差的估計(jì)和處理

3、變得較為困難。
　　 本文首先根據(jù)信息幾何的基本原理，針對多輸出支持向量回歸機(jī)構(gòu)造上的復(fù)雜性，通過數(shù)據(jù)依賴對核函數(shù)進(jìn)行構(gòu)建，提出了一種使用數(shù)據(jù)依賴核函數(shù)的MSVR，能夠有效的降低MSVR的預(yù)測誤差，并且給出了數(shù)據(jù)依賴核函數(shù)的相應(yīng)Mercer核驗(yàn)證。最后將結(jié)果用于匯率預(yù)測。實(shí)驗(yàn)結(jié)果表明，該方法能有效地提高M(jìn)SVR的預(yù)測精度。
　　 其次，多輸出的支持向量回歸機(jī)主要考慮到各個(gè)輸出之間的相關(guān)性，最終實(shí)現(xiàn)只通過一個(gè)最優(yōu)化問題就可