论文部分内容阅读
金融工程是将工程思想引入金融领域，研究支持向量机在金融工程的应用，将对金融工程和支持向量机本身的发展起到很大的推动作用。本文主要工作为：
(1)、提出一种基于SVR的最小二乘(LS)拟合判别函数特征选择算法(简称LS拟合法)，采用适合SVR回归的新目标函数。在仿真数据实验中表明，本方法与常用的降维方法PCA和KPCA相比，用LS拟合法对数据进行特征选择后，再用SVR训练具有更好的效果。
(2)、根据现有回归型加权支持向量机使用中直接选择加权系数法存在不足，提出了一种对加权系数进行优化的加权支持向量机。该方法通过选取曲率变化大、形式简单的幂函数作为候选加权函数，并采用格子搜索法寻找最优参数，从而可以确定出最优加权系数。通过实验验证，取得比较好的预测效果。
(3)、传统的Z分数模型主要用于分析企业的财务失败情况，Z分数模型的判别方程中有时基于各自的侧重点，使用不同的财务指标作为变量，为了找到最少的财务指标构成的最优特征子集，文中使用了基于判别函数的支持向量机特征选择算法[1]来删除训练集中的冗余特征，在最优特征子集的基础上提出基于支持向量机的svm_Z分数模型，并通过实验表明svm_Z分数模型能够在一定程度上反映财务失败的情况，具有Z分数模型的一些优点。