支持向量回歸在金融時間序列預(yù)測中的應(yīng)用.pdf

1、經(jīng)典統(tǒng)計理論在處理低維數(shù)據(jù)的分類和估計問題中做出了巨大的貢獻。20世紀90年代美國的Vapnik提出了支持向量機(Support Vector Machine，SVM)理論，主要是針對小樣本建立一個新體系，不僅充分考慮了漸近問題，還可以在有限條件下得到問題的最優(yōu)解。目前支持向量機主要在分類和回歸問題上有廣泛的應(yīng)用與研究，而在預(yù)測方面還有很大的推廣空間。在實際的金融數(shù)據(jù)中，時間序列數(shù)據(jù)間是相互依存、相互關(guān)聯(lián)的，金融市場過去和現(xiàn)在的發(fā)展變化

2、規(guī)律，會直接影響到金融市場未來的發(fā)展水平。利用時間序列分析理論進行合理的建模，依靠歷史數(shù)據(jù)樣本，對未知數(shù)據(jù)進行預(yù)測，進一步推測金融市場未來的發(fā)展趨勢及其風(fēng)險價值，以期盡量減少不必要的經(jīng)濟損失。在實際應(yīng)用中，建立的時間序列模型只是對實際數(shù)據(jù)的近似逼近，而非完全吻合，所以對未知數(shù)據(jù)的預(yù)測有待考證。一般情況下，分別采用不同的模型進行建模和預(yù)測，然后經(jīng)過比較分析，在抉擇哪種模型的準確率和精度更高。
　　本文首先簡要的介紹了一些時間序列的基