基于核學(xué)習(xí)的非線性時間序列分析及其在金融工程中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩124頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、  本文研究內(nèi)容包括系統(tǒng)逼近,分析金融時間序列的非線性特征并進(jìn)行預(yù)測。為了提高系統(tǒng)逼近性能,重點研究核學(xué)習(xí)機(jī)器算法,提出了改進(jìn)核學(xué)習(xí)機(jī)器的一些方法并將這些方法應(yīng)用到金融時間序列預(yù)測中,由此提出了基于多類分類的金融時間序列漲跌幅度預(yù)測及基于版本空間解析中心回歸機(jī)器金融時間序列趨勢預(yù)測方法?! ≌麄€研究中的創(chuàng)新性工作主要體現(xiàn)在以下幾個方面:提出了一種改進(jìn)的ACM分類器算法,克服了原始ACM分類器因缺乏稀疏性造成泛化性能下降以及增加分類時間

2、復(fù)雜度和存儲復(fù)雜度問題。算法首先分析冗余約束對ACM分類器性能的影響;然后引入稀疏界理論為冗余約束約簡提供理論基礎(chǔ);最后從多面體的冗余約束約簡算法出發(fā),解決了多面錐的冗余約束約簡算法,并將此約簡算法嵌入到ACM學(xué)習(xí)機(jī)器框架,從而得出了一種基于主版本空間的ACM分類器。。提出了一種基于最優(yōu)核M-ACM股指序列漲跌幅預(yù)測方法。提出了一種基于ACMR的預(yù)測股指序列趨勢的方法。利用冗余小波變換(平移不變)提取出股指序列的趨勢。然后將趨勢嵌入到非

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論