基于距离和时序的层次粒度支持向量回归机.pdfVIP

收稿日期：20 5 03 0 基金项目：国家自然科学基金资助项目（6 272 77）． 作者简介：王 珏（ 980 ），女，辽宁沈阳人，沈阳农业大学讲师，东北大学博士研究生；乔建忠（ 964 ），男，辽宁兴城人，东北大 学教授，博士生导师；林树宽（ 966 ），女，吉林长春人，东北大学教授． 第37卷第7期 2016 年 7 月 东 北 大 学 学 报（ 自 然 科 学 版 ） Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｖｏ ｌ． 37，Ｎｏ． 7 Ｊｕｌ． 2 0 1 6 ｄｏｉ 0． 3969 ／ ｊ． ｉｓｓｎ． 005 3026． 20 6． 07． 007 基于距离和时序的层次粒度支持向量回归机 王 珏1，2，乔建忠1，林树宽1 （ ．东北大学 信息科学与工程学院，辽宁 沈阳 08 9；2．沈阳农业大学 信息与电气工程学院，辽宁 沈阳 0866） 摘 要：针对目前粒度支持向量回归机的粒划算法只考虑了距离因素，引入时序因素，提出适用于金融 时间序列的基于距离和时序的层次粒度支持向量回归机（ＤＴＨＧＳＶＲ）．该方法首先将训练样本通过核函数映 射到高维空间，并在该特征空间中进行初始粒划．然后，通过衡量样本粒与当前回归超平面的距离以及当前样 本粒时序的综合因素，找到含有较多回归信息的粒，并通过计算其半径、密度及时序信息进行深层次的动态粒 划．如此循环迭代，直到没有粒需要进行深层划分为止．最后，对不同层次的粒进行回归训练．采用提出的基于 距离和时序因素的层次粒度支持向量回归机对基金净值进行预测，实验结果表明回归的泛化性有所提高． 关 键 词：粒度支持向量回归；时序；金融时间序列；预测；泛化性 中图分类号：ＴＰ 181 文献标志码：Ａ 文章编号：1005 3026（2016）07 0942 05 Hierarchical Granular support Vector Regression Based on Distance and Tenporal WANG Jue1，2，QIAO Jian-zhong1，LIN Shu-kuan1 （1． Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ 110819，Ｃｈｉｎａ；2． Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｅｌｅｃｔｒｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈｅｎｙａｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ 110866，Ｃｈｉｎａ． Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ：ＱＩＡＯ Ｊｉａｎ ｚｈｏｎｇ，Ｅ ｍａｉｌ：ｋｅｌｌｙ ｗａｎｇ13岳 126． ｃｏｍ） Abstract：Ｏｎｌｙ ｄｉｓｔａｎｃｅ ｆａｃｔｏｒ ｉｓ ｃｏｎｓｉｄｅｒｅｄ ｉｎ ｔｈｅ ｇｒａｎｕｌａｒ ａｌｇｏｒｉｔｈｍ ｏｆ ｇｒａｎｕｌａｒ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅｇｒｅｓｓｉｏｎ． Ｔｅｍｐｏｒａｌ ｆａｃｔｏｒ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｓｉｍｕｌｔａｎｅｏｕｓｌｙ ｉｎ ｇｒａｎｕｌａｒ ａｌｇｏｒｉｔｈｍ． Ｈｉｅｒａｒｃｈｉｃａｌ ｇｒａｎｕｌａｒ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅｇｒｅｓｓｉｏｎ ｂａｓｅｄ ｏｎ ｄｉｓｔａｎｃｅ ａｎｄ ｔｅｍｐｏｒａｌ ｆａｃｔｏｒｓ（ ＤＴＨＧＳＶＲ）ｗａｓ ｐｒｏｐｏｓｅｄ ｗｈｉｃｈ ｉｓ ａｐｐｌｉｃａｂｌｅ ｆｏｒ ｆｉｎａｎｃｉａｌ ｔｉｍｅ ｓｅｒｉｅｓ． Ｔｈｅ ｔｒａｉｎｉｎｇ ｓａｍｐｌｅｓ ｗｅｒｅ ｍａｐｐｅｄ ｉｎｔｏ ｔｈｅ ｈｉｇｈ-ｄｉｍｅｎｓｉｏｎａｌ ｓｐａｃｅ ｂｙ ｍｅｒｃｅｒ ｋｅｒｎｅｌ，ａｎｄ ｔｈｅ ｓａｍｐｌｅｓ ｗｅｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｓｏｍｅ ｇｒａｎｕｌｅｓ ｉｎｉｔｉａｌｌｙ． Ｔｈｅｎ，ｔｈｅ ｇｒａｎｕｌｅｓ ｗｈｉｃｈ ｈａｖｅ ｍｏｒｅ ｒｅｇｒｅｓｓｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｗａｓ ｆｏｕｎｄ ｂｙ ｍｅａｓｕｒｉｎｇ ｔｈｅ ｄｉｓｔａｎｃｅｓ ｂｅｔｗｅｅｎ ｔｈｅ ｇｒａｎｕｌｅｓ ａｎｄ ｒｅｇｒｅｓｓｉｏｎ ｈｙｐｅｒｐｌａｎｅ ａｎｄ ｔｈｅ ｇｒａｎｕｌｅ’ｓ ｔｅｍｐｏｒａｌ ｆａｃｔｏｒ． Ｂｙ ｃｏｍｐｕｔｉｎｇ ｔｈｅ ｒａｄｉｕｓ，ｄｅｎｓｉｔｙ ｏｆ ｇｒａｎｕｌｅｓ ａｎｄ ｔｈｅ ｔｅｍｐｏｒａｌ ｆａｃｔｏｒ， ｔｈｅ ｄｅｅｐｅｒ ｈｉｅｒａｒｃｈｉｃａｌ ｇｒａｎｕｌａｔｉｏｎ ｐｒｏｃｅｓｓ ｗａｓ ｅｘｅｃｕｔｅｄ ｕｎｔｉｌ ｎｏ ｇｒａｎｕｌｅｓ ｗａｓ ｎｅｅｄｅｄ ｔｏ ｂ