基于GA-SVR的ATM現(xiàn)金需求量預測.pdf

1、ATM機的現(xiàn)金需求量管理是各家銀行必須面臨的問題。其目標是在ATM機中投放最少量的現(xiàn)金來滿足用戶不確定的需求。有效精確的ATM現(xiàn)金量預測對于銀行具有非凡意義，然而對這一問題的研究甚少。因此，本文嘗試用遺傳算法改進支持向量回歸機（GA-SVR）方法預測ATM現(xiàn)金需求量，提高預測的精度。
　　首先，本文針對國內(nèi)外的研究現(xiàn)狀，分別按照四種預測方法（歷史經(jīng)驗法、回歸分析法、時間序列法和人工智能方法）進行總結(jié)。其中人工智能中的BP神經(jīng)網(wǎng)絡和

2、支持向量回歸機（SVR）得到越來越多專家和學者的關注。
　　其次，本論文使用時間序列分析法構建ARIMA模型進行情景分析，并使用Eviews8.0進行仿真實驗；支持向量機是建立在統(tǒng)計學習理論函數(shù)集的VC維理論和結(jié)構風險最小化原理基礎上的一種新型有效的回歸方法，通過在有限樣本信息模型的復雜性和學習能力之間尋求最佳折中的方案，來獲得足夠好的推廣能力。因此，本文的研究主要是基于支持向量回歸機算法，應用LibSVM軟件包預測ATM現(xiàn)金需求