支持向量机论及其在金融中的应用.pdfVIP

摘要 摘 要 分类是人们认识一切事物的墓础、许多优秀的学习算法都是以分类为基础 发展起来的，如神经网络等．目前能用于模式分类的方法很多，传统的方法有 Bayesian方法、距离判别法、 分类、以及神经网络分类等，还有刚刚兴起的支持向量机分类方法． 支持向量机理论是一种专门的小样本理论，它避免了人工神经网络等方法 的网络结构难于确定、过学习和欠学习以及局部极小等问题．被认为是目前针 对小样本的分类、回归等问题的最佳理论，基于这一理论近年提出的支持向量 Vector 机(Support 思路． 本文首先回顾了前人对支持向量机理论所做的成果，在前人工作的基础上 介绍了在二次规划框架下的支持向量机分类算法和回归算法以及在线性规划 下的支持向量机分类算法，进而对支持向量机理论做了扩展研究，证明了在非 线性情况下支持向量机分类算法和回归算法的等价性．然后，我们运用支持向 量机原理研究了上市公司财务危机问题，建立了基于支持向量机的上市公司财 务预警模型，并利用部分上市公司的财务数据对财务危机问题做了实证分析，结 果表明支持向量机方法优于神经网络等其它方法． 关键词：支持向量机；结构风险；财务危机预警：分类；回归 Abstract