基于小波支持向量机的金融预测

基于小波分析与支持向量核函数理论构造了一个小波支持向量机(WSVM),用以预测金融时间序列的波动率.与采用高斯核的标准支持向量机相比,由于小波核结合了小波分析的多分辨特性,因此可以更好地逼近任意非线性函数.仿真实验表明,小波支持向量机在股指收益波动率预测中具有较好性能.     

股票收益预测模型的比较与选择

计算金融是一门将机器学习的有关理论应用于金融研究的新兴学科.而股票收益预测则是金融研究的一个重要课题,在规避风险与投资决策中起着举足轻重的作用.作者基于统计学习的基本理论与计算金融的研究方法,将支持向量回归机这一新型神经网络应用于收益序列预测的回归分析,力求在克服数据过拟合现象的基础上寻找问题的全局最优解.通过交叉验证选择学习参数,实验表明基于二次规划与核函数理论的支持向量回归机能准确捕捉动态股票收益序列的波形特征,其预测性能与多层感知器以及广义回归神经网络进行比较.具有较为明显的优势.图4,表3,参12.     

新型小波支持向量机在波动率预测中的实证研究

运用支持向量机进行广义自回归条件异方差(GARCH)模型预测所面临的一个主要问题就是普通核函数难以准确捕捉股指波动率的聚集特征.然而小波函数却具备以任意时间粒度在任意位置刻画任一时间序列的能力.因此,本文基于小波分析与核函数理论,构造了一个满足mercer条件的多尺度小波核来解决这一问题.通过真实股指数据分析,小波支持向量机在波动率预测中的有效性获得了证实.     

银行危机理论述评

介绍了理论界对于银行危机的各种解释：许多著名经济学家在宏观层面上从制度、金融史、经济周期等多角度研究银行危机，揭示其形成的内在机理。认为现代银行危机理论主要运用了博弈论和信息经济学等微观经济学的最新理论和方法；进一步从微观层面对银行危机的成因进行深入剖析，包括银行挤兑模型、信息非均衡理论、银行行为理论；要全面解释银行危机，就要将这些方面结合起来加以分析。