基于支持向量機(jī)的經(jīng)濟(jì)預(yù)警方法研究.pdf

1、經(jīng)濟(jì)預(yù)警不僅是經(jīng)濟(jì)學(xué)的重要研究領(lǐng)域,而且倍受各國(guó)政府和公眾的普遍關(guān)注.其研究結(jié)果將直接關(guān)系到對(duì)經(jīng)濟(jì)狀況的正確認(rèn)識(shí)和判斷,從而影響宏觀政策的合理制定.但是,傳統(tǒng)預(yù)警方法往往囿于專(zhuān)家經(jīng)驗(yàn)和簡(jiǎn)單的數(shù)學(xué)模型,難于處理高度非線(xiàn)性模型,無(wú)法滿(mǎn)足宏觀經(jīng)濟(jì)預(yù)警的客觀要求.支持向量機(jī)(Support Vector Machine,SVM)是最近流行的一種數(shù)據(jù)挖掘技術(shù).由于其堅(jiān)實(shí)的理論基礎(chǔ)和良好的推廣性能,支持向量機(jī)已成為近幾年的研究熱點(diǎn).論文將支持向量機(jī)

2、、模糊理論與宏觀經(jīng)濟(jì)預(yù)警研究等相結(jié)合,嘗試建立起基于支持向量機(jī)的宏觀經(jīng)濟(jì)預(yù)警方法體系,并對(duì)支持向量機(jī)的理論和方法進(jìn)行拓廣.同時(shí),結(jié)合實(shí)際數(shù)據(jù)進(jìn)行經(jīng)濟(jì)預(yù)警的實(shí)證分析,以達(dá)到理論與實(shí)踐的結(jié)合.該文的主要研究成果如下:1.對(duì)經(jīng)濟(jì)預(yù)警的理論、研究方法和發(fā)展歷史進(jìn)行了回顧和綜述;詳細(xì)討論了傳統(tǒng)預(yù)警系統(tǒng)的預(yù)警本質(zhì),包括經(jīng)典預(yù)警理論和新預(yù)警理論及其預(yù)警系統(tǒng),建立了預(yù)警系統(tǒng)框架范式;深入分析了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的基本理論和特點(diǎn).2.分析模式分類(lèi)、

3、SVM和宏觀經(jīng)濟(jì)預(yù)警的內(nèi)在聯(lián)系,指出經(jīng)濟(jì)預(yù)警可以看作一個(gè)模式分類(lèi)過(guò)程.論文將SVM與經(jīng)濟(jì)預(yù)警相結(jié)合,首次提出了SVC(Support Vector Classification)智能經(jīng)濟(jì)預(yù)警模型,實(shí)現(xiàn)了模型參數(shù)的自動(dòng)選擇,給出了具體算法步驟和實(shí)證分析.3.鑒于經(jīng)濟(jì)預(yù)警過(guò)程的不確定性,論文首次提出了帶有不確定性的支持向量分類(lèi)(USVC)預(yù)警方法.該方法將專(zhuān)家意見(jiàn)和不確定性信息融入預(yù)警系統(tǒng),實(shí)現(xiàn)了預(yù)警方法與專(zhuān)家智能的有機(jī)結(jié)合,為宏觀經(jīng)濟(jì)預(yù)警

4、研究提供了新的思路和方法,把模糊理論和SVM引入了一個(gè)新的應(yīng)用空間.4.多類(lèi)經(jīng)濟(jì)預(yù)警過(guò)程可以看作有序回歸問(wèn)題,論文首次將有序支持向量回歸應(yīng)用到經(jīng)濟(jì)預(yù)警系統(tǒng),并結(jié)合USVC建立了不確定性有序支持向量回歸(UOSVR)經(jīng)濟(jì)預(yù)警模型.5.特征選擇是模式分類(lèi)中的一個(gè)重要步驟;基于經(jīng)濟(jì)預(yù)警指標(biāo)之間存在相關(guān)性和冗余,提出一類(lèi)新的經(jīng)濟(jì)預(yù)警系統(tǒng)的預(yù)警指標(biāo)選擇算法:SVM預(yù)警指標(biāo)選擇方法.6.就SVM的核方法在經(jīng)濟(jì)預(yù)警系統(tǒng)中的應(yīng)用進(jìn)行了分析,包括支持向量