模糊機會約束最小二乘雙支持向量機算法及其在金融市場應用的研究

定　價：￥68.00

作　者：	韓仁杰，李然
出版社：	西南財經(jīng)大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787550448643	出版時間：	2021-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	156	字數(shù)：

內(nèi)容簡介

　　本書通過機會約束規(guī)劃和模糊隸屬度，給出了一種全新的模糊機會約束最小二乘雙支持向量機，能夠有效地測量數(shù)據(jù)噪聲。此外，本書通過獲取移動端和PC端的關鍵詞百度搜索量，發(fā)現(xiàn)搜索時的行為及注意力集中度存在異質(zhì)性。同時基于關鍵詞百度搜索量，使用多種算法對金融市場波動進行了預測，并對算法精度進行了比較。流形學習理論作為一種高維非線性特征提取方法，正成為機器學習領域應用研究的熱點，尤其在發(fā)現(xiàn)高維金融數(shù)據(jù)（上市公司財務數(shù)據(jù)、上證指數(shù)數(shù)據(jù)等）的低維表示應用中展現(xiàn)了良好的算法效果。本書通過對測地距離與歐式距離進行假設，從理論上論證了使用歐式距離會達到Is0MAP算法類似效果，同時能夠降低算法復雜度。

作者簡介

　　韓仁杰，1989年出生，博士，重慶工商大學經(jīng)濟學院經(jīng)濟系講師。主要研究領域為偏微分方程、**化、行為經(jīng)濟學等，已在數(shù)學和應用經(jīng)濟學領域發(fā)表SCI、SSCI論文5篇，主持重慶市社科規(guī)劃項目1項，校級科研項目1項。

圖書目錄

1 緒論
1.1 研究背景與研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容與方法
1.3.1 研究內(nèi)容
1.3.2 研究方法
1.4 本書結構安排
1.5 本書創(chuàng)新及不足
2 金融市場波動預測模型類文獻及基于搜索指數(shù)的金融市場波動預測類文獻述評
2.1 金融市場波動預測模型類文獻述評
2.2 基于搜索指數(shù)的金融市場波動預測類文獻述評
2.3 本章小結
3 理論及方法介紹
3.1 金融時間序列特征及分析方法
3.2 波動率理論
3.2.1 波動聚類
3.2.2 均值回復
3.2.3 長期記憶效應及錨定效應(Anchoring Effect)
3.2.4 杠桿效應
3.3 流形理論及流形學習算法
3.3.1 流形學習的數(shù)學定義
3.3.2 ISOMAP等流形學習算法理論
3.4 本章小結
4 模糊機會約束最小二乘雙支持向量機(FCC-LSTSVM)模型
4.1 支持向量機簡介
4.2 最小二乘雙支持向量機和模糊機會約束雙支持向量機
4.2.1 最小二乘雙支持向量機(LSTSVM)
4.2.2 模糊機會約束雙支持向量機(FCC-TSVM)
4.3 模糊機會約束最小二乘雙支持向量機(FCC-LSTSVM)
4.4 數(shù)值實驗
4.4.1 模糊隸屬度函數(shù)
4.4.2 人工數(shù)據(jù)
4.4.3 真實數(shù)據(jù)測試
4.5 本章小結
5 基于百度指數(shù)的滬深300指數(shù)波動率預測研究
5.1 百度指數(shù)預測金融市場波動路徑分析
5.2 實驗設計
5.2.1 數(shù)據(jù)來源
5.2.2 描述性統(tǒng)計與相關性分析
5.3 交易日百度指數(shù)與滬深300指數(shù)波動關系研究及算法比較
5.3.1 百度指數(shù)預處理方法及FCC-LSTSVM算法實現(xiàn)
5.3.2 PC端百度指數(shù)預測滬深300指數(shù)波動及算法比較
5.3.3 移動端百度指數(shù)預測滬深300指數(shù)波動及算法比較
5.4 本章小結
6 關于ISOMAP算法的改進
6.1 算法假設
6.2 算法論述
6.3 本章小結
7 全書總結與研究展望
7.1 全書總結
7.2 研究展望
參考文獻
附錄
附錄A 百度指數(shù)提取主要代碼
附錄B FCC-LSTSVM主要代碼
附錄C 部分關鍵詞百度指數(shù)
后記