《非參數支持向量回歸和分類理論及其在金融市場預測中的套用》利用支持向量回歸對不同時間序列模型進行估計分別預測了匯率證券指數收益率以及它們的波動性同時也利用支持向量分類估計了非線性的機率模型對公司信用風險進行了預測。
基本介紹
- 中文名：非參數支持向量回歸和分類理論及其在金融市場預測中的套用
- 出版社：北京大學出版社
- 頁數：239頁
- 開本：16
- ISBN：9787301137154
- 裝幀：平裝
- 叢書名：金融學論叢
- 作者：陳詩一
作者簡介,目錄,內容簡介,
作者簡介
陳詩一，韓國慶北國立大學計量經濟學博士，復旦大學中國社會主義市場經濟研究中心（CCES）研究人員復旦大學經濟學院教師。主要研究方向為計量經濟理論，支持向量算法，時間序列分析預測方法能源和可持續發展中國經濟和金融實證研究等，主要研究成果曾在《中國社會科學》 《經濟學（季fU）》《數量經濟技術經濟研究》等刊物發表。
目錄
第一章 預測概述
第一節 預測的重要性
第二節 什麼是預測?
第三節 預測方法的發展
第四節 預測與決策
第二章 支持向量回歸和分糞理論
第一節 支持向量算法
第二節 支持向量回歸
第三節 支持向量分類
第四節 蒙特卡羅仿真
附錄
第三章 匯率預測：基於前饋SVR的非線性ARl模型
第一節 介紹
第二節 數據收集和處理
第三節 實證模型設定
第四節 預測方案和評估標準
第五節 預測結果比較分析
第六節 人民幣匯率預測
第七節 結論
第四章 金融收益率水平預測：基於反饋SVR的非線性ARIMA模型
第一節 介紹
第二節 反饋SVR機制設計
第三節 金融收益率定義
第四節 固定預鍘評估
第五節 遞歸預測評估
第六節 中國證券指數和匯率收益率水平預測
第七節 結論
第五章 金融收益率波動性預測：基於反饋SVR的非線性GARCH模型
第一節 介紹
第二節 實證模型和預測方案
第三節 蒙特卡羅仿真
第四節 真實數據檢驗
第五節 中國金融波動性預測案例
第六節 結論
第六章 公司信用風險預測：基於SVC的非線性機率模型
第一節 介紹
第二節 數據描述和處理
第三節 預測分析框架
第四節 實證分析
第五節 CAPM檢驗案例
第六節 結論
第七章 結束語
辭彙表
後記
內容簡介
《非參數支持向量回歸和分類理論及其在金融市場預測中的套用》利用支持向量回歸對不同時間序列模型進行估計分別預測了匯率證券指數收益率以及它們的波動性同時也利用支持向量分類估計了非線性的機率模型對公司信用風險進行了預測。實證結果支持SVM方法預預能力出色的理論優點。在金融市場預測領域許多問題無法用傳統的方法來刻畫內部規律而新的非參數支持向量回歸和分類（SVM）方法只需基於自身的獨特算法就可以對樣本信息不斷訓練提取出目標經濟和金融問題隱台的最優非線性映射關係非常適台解決先驗知識不清的預測問題。特別重要的是獨特的結構風險最小化設計賦予了SVM最出色的預測功能這是基於經驗風險最小化的傳統方法不能比擬的。
SVM雖然原理複雜，但是參數設定方便編程容易運算快捷且操作性強使得預測完全可以從理論走向具體套用具有廣闊的套用前景。
