基于支持向量机的金融市场非线性特征分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-15页 |
| ·绪论 | 第8页 |
| ·金融模型研究方法概述 | 第8-9页 |
| ·支持向量机的产生背景 | 第9-11页 |
| ·机器学习的由来 | 第10页 |
| ·机器学习研究的发展历程 | 第10-11页 |
| ·支持向量机的提出 | 第11页 |
| ·支持向量机的研究现状及应用 | 第11-13页 |
| ·论文的主要研究内容、创新点及意义 | 第13-15页 |
| ·论文的主要研究内容 | 第13页 |
| ·论文的主要创新点 | 第13-14页 |
| ·论文的意义 | 第14-15页 |
| 2 支持向量机的基础理论及在金融领域应用 | 第15-31页 |
| ·支持向量回归机的理论基础 | 第15-24页 |
| ·统计学习理论 | 第15-17页 |
| ·学习机器推广能力的界 | 第17-19页 |
| ·结构风险最小化归纳原则 | 第19-20页 |
| ·回归算法的推广能力的界 | 第20-21页 |
| ·优化理论 | 第21-24页 |
| ·ε-SVR模型 | 第24-27页 |
| ·金融模型的非线性研究 | 第27-28页 |
| ·支持向量机在金融市场的应用现状 | 第28-31页 |
| 3 基于数据依赖核函数的多输出支持向量机 | 第31-52页 |
| ·回归问题 | 第31-34页 |
| ·核方法 | 第34-38页 |
| ·核函数 | 第34-36页 |
| ·再生核理论与Mercer定理 | 第36-38页 |
| ·常用核函数 | 第38页 |
| ·多输出支持向量回归研究 | 第38-41页 |
| ·基于信息几何的支持向量机核结构 | 第41-44页 |
| ·Amari的修改几何方法 | 第44-47页 |
| ·基于信息几何的数据依赖核函数 | 第47-48页 |
| ·数据依赖核函数SVR的汇率预测 | 第48-52页 |
| 4 多输出支持向量回归机的LOO误差界 | 第52-61页 |
| ·关于LOO误差的研究 | 第52-53页 |
| ·LOO误差定义及其意义 | 第53-54页 |
| ·MSVR的LOO误差界的提出及其证明 | 第54-58页 |
| ·汇率预测的LOO误差界实验及结果分析 | 第58-61页 |
| 5 总结与展望 | 第61-62页 |
| 6 参考文献 | 第62-68页 |
| 7 论文发表与参与科研情况 | 第68-69页 |
| 8 专利及获奖 | 第69-70页 |
| 9 致谢 | 第70页 |
