支持向量回歸機在組合預測中的應用研究.pdf

1、Bates和Granger于1969年提出了組合預測的思想，并迅速得到廣大預測學者的高度重視。但隨著社會的發(fā)展，預測對象受到愈加錯綜復雜的因素影響，顯然，缺乏靈活性及無法自學習的組合預測方法已經(jīng)不能對復雜環(huán)境下的事物做出較為準確的預測。與此同時，對組合預測中的單項預測模型遴選問題鮮有研究，這在很大程度上影響了預測結(jié)果的穩(wěn)定性和可靠性。
　　 基于此，本文在深入分析已有文獻的基礎(chǔ)上，為提高組合預測單項預測模型的遴選質(zhì)量，提出了基于

2、改進的接近理想點方法的組合預測單項預測模型遴選原理、方法與過程;為提高組合預測的穩(wěn)定性和可靠性，結(jié)合統(tǒng)計學習和機器學習理論，提出了ε-支持向量回歸機組合預測模型的構(gòu)建原理、方法與過程。本文研究，將有效地提高組合預測單項預測模型的遴選質(zhì)量，提高組合預測的準確性、穩(wěn)定性和實用性，降低預測風險，使我國企業(yè)的經(jīng)營決策能建立在更加準確的基礎(chǔ)上，將有助于大幅度地提高我國企業(yè)的科學決策水平和市場競爭力。
　　 本文研究內(nèi)容主要分為五個方面。<

3、br>　　 首先，本文對組合預測相關(guān)原理及相關(guān)模型進行了論述。通過對已有文獻資料的分析比較，論述了組合預測的基本概念、原理、方法和模型。同時，歸納、總結(jié)了國內(nèi)外已有相關(guān)組合預測原理與模型的研究成果，奠定了本文研究的原理、方法和模型基礎(chǔ)。
　　 其次，本文對支持向量機的理論基礎(chǔ)及模型算法進行了探討。論述了支持向量機的相關(guān)理論基礎(chǔ)、原理、方法和模型;歸納、總結(jié)了支持向量機的優(yōu)勢，為本文的后續(xù)研究奠定了堅實的基礎(chǔ)。
　　 然

4、后，本文對組合預測中的單項預測模型遴選進行了研究。本文在深入分析單項預測模型特點的基礎(chǔ)上，依據(jù)組合預測環(huán)境，構(gòu)建了組合預測單項預測模型遴選準則，建立了全面科學的評價體系，并運用改進的接近理想點法對各單項預測模型進行了優(yōu)劣評價，實現(xiàn)了組合預測單項預測模型的遴選。
　　 隨后，本文對ε-支持向量回歸機組合預測模型的構(gòu)建進行了研究。在實現(xiàn)了組合預測單項預測模型遴選的基礎(chǔ)上，運用統(tǒng)計學習理論，本文提出了ε-支持向量回歸機組合預測模型的建

5、模原理、過程及預測框架，提高了預測的精度，降低了預測的風險。
　　 最后，本文對ε-支持向量回歸機組合預測模型進行了實證研究。在上述理論與方法研究的基礎(chǔ)上，將組合預測單項預測模型遴選原理、方法與ε-支持向量回歸機組合預測模型的構(gòu)建原理、方法綜合應用于美元兌日元匯率的預測實踐中，通過分析比較，驗證了研究成果的有效性。
　　 通過研究，論文主要在以下兩個方面實現(xiàn)了創(chuàng)新:
　　 (1)依據(jù)單項預測模型特點及組合預測環(huán)境