基于支持向量機的金融時間序列分析預(yù)測算法研究.pdf

1、金融系統(tǒng)是一個開放的復(fù)雜系統(tǒng)，其內(nèi)部的各個經(jīng)濟變量之間存在著錯綜復(fù)雜的關(guān)系?，F(xiàn)代金融理論由資金的時間價值、資產(chǎn)定價與風(fēng)險管理等三大要素構(gòu)成，其核心問題就是如何在不確定的環(huán)境下對資源進(jìn)行跨期的最優(yōu)配置。從整個數(shù)理金融領(lǐng)域提煉出隨機過程與隨機控制兩類基本模型，前者是后者的前提與基礎(chǔ)，作為離散隨機過程的金融時間序列是金融模型研究的基石與關(guān)鍵。鑒于股指收益序列與波動率序列在投資組合與風(fēng)險規(guī)避中的重要作用，科學(xué)地預(yù)測金融市場的波動特征，掌握金融市

2、場的波動規(guī)律及其結(jié)構(gòu)對金融風(fēng)險的規(guī)避防范與管理監(jiān)控具有重要意義。作為世界經(jīng)濟晴雨表的各主要股票指數(shù)，其收益分析與波動率預(yù)測是諸多金融模型研究的前提與基礎(chǔ)。因此，以股指收益及波動率作為研究對象具有重要的金融預(yù)測意義。
　　 對金融市場數(shù)據(jù)分析研究可以通過對時間序列建模來實現(xiàn)。通過數(shù)學(xué)模型的建立，可以將輸入與輸出數(shù)據(jù)之間的關(guān)系直觀地反映出來。利用已知歷史數(shù)據(jù)的訓(xùn)練過程其實就是建立一個時間序列模型的過程，將已知的數(shù)據(jù)作為輸入，得到的輸

3、出就是對未來數(shù)據(jù)的預(yù)測。目前研究較多的是如何建立或?qū)ふ覝?zhǔn)確與高效的預(yù)測模型。
　　 本文研究內(nèi)容主要包括以下幾部分:
　　 基于相空間重構(gòu)理論的支持向量回歸機分析預(yù)測金融市場研究。相空間重構(gòu)的重點是選擇一個合適的延遲時間，降低必要的嵌入維數(shù)。本文提出使用虛假最近鄰點法，針對所有變量構(gòu)建誤差函數(shù)，確定合適的嵌入維數(shù)組合。支持向量回歸機中核函數(shù)是算法性能的重要影響因素。實驗表明基于相空間重構(gòu)理論的支持向量回歸機具有較好的收益

4、率預(yù)測性能。
　　 LSSVR-CARRX模型算法研究。LSSVR算法是通過利用二次誤差項取代標(biāo)準(zhǔn)中的線性誤差項，用帶等式約束的二次規(guī)劃問題替代帶不等式約束的二次規(guī)劃問題，經(jīng)轉(zhuǎn)化后的對偶問題相當(dāng)于求解線性方程組。LSSVR的優(yōu)勢在于能夠顯著提高預(yù)測精度和訓(xùn)練速度。本文構(gòu)建基于LSSVR的非線性CARRX模型，該模型利用LSSVR強大的非線性映射能力，在輸出和輸入的非線性函數(shù)間建立非線性映射關(guān)系。實驗表明，采用該模型進(jìn)行金融市場波

5、動率的擬合和預(yù)測可以確定較為良好的效果。
　　 基于神經(jīng)網(wǎng)絡(luò)和相關(guān)向量機的Hopfield網(wǎng)絡(luò)股票市場預(yù)測算法研究。網(wǎng)絡(luò)穩(wěn)定并且收斂是Hopfield網(wǎng)絡(luò)工作的前提條件，能量函數(shù)是左右這一前提條件的重點。連續(xù)Hopfield網(wǎng)絡(luò)有自身的局限性，致使系統(tǒng)會出現(xiàn)多個偽響應(yīng)，影響計算準(zhǔn)確度。相關(guān)向量機(RVM)的核心概念就是引入幾率解釋噪聲。研究測試表明相關(guān)向量具有明顯的數(shù)據(jù)優(yōu)勢。為提高相關(guān)向量機算法的準(zhǔn)確性，本文提出一種改進(jìn)算法，即

6、HRVM算法。該算法采用反饋網(wǎng)絡(luò)把問題轉(zhuǎn)化為目標(biāo)函數(shù)和約束條件，構(gòu)造能量函數(shù)，這樣優(yōu)化問題就歸結(jié)為在滿足約束條件下使目標(biāo)函數(shù)最小。改進(jìn)后的HRVM算法具有高穩(wěn)定性，可應(yīng)用于趨勢預(yù)測系統(tǒng)。
　　 基于支持向量回歸的金融時間序列預(yù)測算法研究。支持向量計算法集機器學(xué)習(xí)領(lǐng)域若干標(biāo)準(zhǔn)為一體，將多種技術(shù)與方法有機結(jié)合，用于解決一些挑戰(zhàn)性應(yīng)用難題。該算法應(yīng)用范圍較廣泛，能夠取得其他方法無法達(dá)到的最佳效果，也存在一些困難和難題。本文提出自適應(yīng)學(xué)

7、習(xí)支持向量機回歸算法，該算法在支持向量機算法的基礎(chǔ)上進(jìn)一步改進(jìn)和優(yōu)化，將凸二次規(guī)劃問題用單一線性方程來代替求解，提升機器學(xué)習(xí)訓(xùn)練的速度。實驗結(jié)果證明，該算法對匯率時序數(shù)據(jù)能科學(xué)而有效地完成短時預(yù)測。對基金價格的預(yù)測實驗結(jié)果表明，自適應(yīng)學(xué)習(xí)支持向量機回歸算法的精度高于傳統(tǒng)支持向量回歸算法。
　　 本文應(yīng)用混沌理論和支持向量理論對多變量金融時間序列進(jìn)行研究，利用這些理論對金融市場的波動進(jìn)行非線形分析和預(yù)測。研究結(jié)果表明這些理論在金融