3时间序列模型.doc

PAGE PAGE 1 本科毕业设计 支持向量机在金融市场预测中的应用 学院名称 FORMTEXT 理学院 专业名称 信息与计算科学 论文提交日期 论文答辩日期 摘 要 支持向量机是Corinna Cortes和Vapnik8在于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力 。 时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。 文章绪论部分介绍了课题提出的背景和现状。第二章详细介绍了支持向量回归理论，是第四章金融时间序列预测的理论基础。第三章介绍了时间序列模型用于预测的经验方法和多用于金融数据的预测的条件方差模型，是第四章实验的模型基础。第四章主要针对我国证券指数，股指期货合约数据，采用支持向量回归算法和条件异方差模型相结合的算法来对其未来的趋势预测。 关键词：支持向量机；金融时间序列；GARCH模型；最小二乘支持向量机 Matrix Eigenvalue’s Calculation Deng Jun