基于核學(xué)習(xí)的非線性時(shí)間序列分析及其在金融工程中的應(yīng)用.pdf

1、　　本文研究?jī)?nèi)容包括系統(tǒng)逼近，分析金融時(shí)間序列的非線性特征并進(jìn)行預(yù)測(cè)。為了提高系統(tǒng)逼近性能，重點(diǎn)研究核學(xué)習(xí)機(jī)器算法，提出了改進(jìn)核學(xué)習(xí)機(jī)器的一些方法并將這些方法應(yīng)用到金融時(shí)間序列預(yù)測(cè)中，由此提出了基于多類分類的金融時(shí)間序列漲跌幅度預(yù)測(cè)及基于版本空間解析中心回歸機(jī)器金融時(shí)間序列趨勢(shì)預(yù)測(cè)方法?！　≌麄€(gè)研究中的創(chuàng)新性工作主要體現(xiàn)在以下幾個(gè)方面：提出了一種改進(jìn)的ACM分類器算法，克服了原始ACM分類器因缺乏稀疏性造成泛化性能下降以及增加分類時(shí)間

2、復(fù)雜度和存儲(chǔ)復(fù)雜度問題。算法首先分析冗余約束對(duì)ACM分類器性能的影響；然后引入稀疏界理論為冗余約束約簡(jiǎn)提供理論基礎(chǔ)；最后從多面體的冗余約束約簡(jiǎn)算法出發(fā)，解決了多面錐的冗余約束約簡(jiǎn)算法，并將此約簡(jiǎn)算法嵌入到ACM學(xué)習(xí)機(jī)器框架，從而得出了一種基于主版本空間的ACM分類器。。提出了一種基于最優(yōu)核M-ACM股指序列漲跌幅預(yù)測(cè)方法。提出了一種基于ACMR的預(yù)測(cè)股指序列趨勢(shì)的方法。利用冗余小波變換(平移不變)提取出股指序列的趨勢(shì)。然后將趨勢(shì)嵌入到非