《基於圖核機器的學習算法及其在金融分析理論的研究》是依託中央財經大學，由白璐擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於圖核機器的學習算法及其在金融分析理論的研究
- 項目類別：青年科學基金項目
- 項目負責人：白璐
- 依託單位：中央財經大學
項目摘要,結題摘要,
項目摘要
核機器是金融分析領域重要的機器學習算法，具有比傳統學習算法更好的分析複雜金融數據的能力。然而，目前套用於金融分析的核機器是基於向量數據設計的，如何使用基於圖數據的核機器(即圖核機器)進行金融分析尚無文獻記錄。為實現圖核機器在金融分析理論的突破，本項目專注於使用圖核機器進行金融分析，並探索與之相關的新理論與新方法。本項目的主要貢獻有三點：（1）使用連續量子漫步為金融數據構建動態圖結構，通過金融數據的動態圖，既可以體現金融數據的複雜性也可以反映金融數據的主要特徵；（2）通過使用連續量子漫步、量子力學、資訊理論等近年圖核函式領域嶄新理論，探索構造可處理各種複雜類型圖的圖核函式，以全面反映基於金融數據的圖結構的特徵；（3）結合本項目新提出的動態圖與圖核函式方法，使用圖核機器進行金融分析，並探索基於圖核機器的金融分析理論方法。本項目研究成果可為金融決策人員與相關從業人員提供重要的支持，具有重要的學術價值。
結題摘要
為實現圖核機器在金融數據分析理論的突破，本項目專注於使用圖核機器等機器學習算法進行金融數據分析，並解決了本項目提出的三個重要問題。這些問題包括：（1）現有工作在基於金融時間序列構建動態圖結構數據時，無法自動鑑別最優關聯時間序列子集，從而難以有效對時間序列數據進行圖結構建模；（2）現有圖核函式研究工作大部分是針對無向稀疏圖這一結構相對的圖數據設計的，能夠直接套用於全連線圖權重圖、高階關係圖等的圖核函式很少，特別是缺乏能夠套用於同時具有上述信息的複雜圖結構的方法；（3）現有工作缺乏使用圖核函式進行金融數據分析的工作。本項目使用基於圖數據的機器學習與模式識別方法，特別是圖核函式展開了金融數據分析的工作，對相關新理論與新方法進行了深入研究。在本項目的支持下，課題組成員在國際重要學術期刊、會議發表論文29篇。其中，期刊論文包括國際重要期刊Pattern Recognition、Physical Review E、Pattern Recognition Letters、Neurocomputing等；會議論文包括：CIKM、ICPR、IEEE Big Data等。組織國際會議1st ICPR Workshop on Pattern Recognition in Intelligent Financial and Risk Management一次。本項目研究成果可為金融決策人員與相關從業人員提供重要的支持，具有重要的學術價值。
