非参数支持向量预测方法及蒙特卡罗仿真检验

被引：1

作者：

陈诗一

机构：

[1] 复旦大学中国社会主义市场经济研究中心

来源：

世界经济文汇 | 2007年 / 04期

关键词：

支持向量算法; 结构风险最小化; 预测; 蒙特卡罗仿真;

D O I：

暂无

中图分类号：

F830 [金融、银行理论]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

摘要：

本文详细介绍了非参数支持向量预测方法,独特的结构风险最小化设计赋予了支持向量算法最出色的预测能力。蒙特卡罗仿真检验验证了支持向量预测方法的理论优点,即,无论在短期预测,还是长期预测上,也不管是预测变量的绝对水平还是变化方向,支持向量预测方法都一致地优于MLE和ANN方法。嵌套检验也从统计上显著地证明了这个结论。

引用

页码：64 / 75

页数：12

共 13 条

[1] 基于支持向量机的银行客户信用评估系统研究 [J].

姚奕 ;

叶中行 .

系统仿真学报, 2004, (04) :783-786

[2] 一种新的支持向量回归预测模型 [J].

刘广利 ;

杨志民 .

吉首大学学报(自然科学版), 2002, (03) :28-31

[3]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬,田英杰著, 2004

[4]

支持向量机导论[M]. 电子工业出版社 , (英)NelloCristianini,（英）JohnShawe-Taylor著, 2004

[5] Tests of equal forecast accuracy and encompassing for nested models [J].

Clark, TE ;

McCracken, MW .

JOURNAL OF ECONOMETRICS, 2001, 105 (01) :85-110

[6] Financial forecasting using support vector machines [J].

Cao, L ;

Tay, FEH .

NEURAL COMPUTING & APPLICATIONS, 2001, 10 (02) :184-192

[7] Tests for forecast encompassing [J].

Harvey, DI ;

Leybourne, SJ ;

Newbold, P .

JOURNAL OF BUSINESS & ECONOMIC STATISTICS, 1998, 16 (02) :254-259

[8]

An artificial neural network-GARCH model for international stock return volatility[J] . R.Glen Donaldson,Mark Kamstra.Journal of Empirical Finance . 1997 (1)

[9] AR parameter estimation by a feedback neural network [J].

Tian, J ;

Juhola, M ;

Gronfors, T .

COMPUTATIONAL STATISTICS & DATA ANALYSIS, 1997, 25 (01) :17-24

[10]

Forecasting exchange rates using feed forward and recurrent neural networks. Kuan CM,Liu T. Journal of Applied Econometrics . 1995

← 1 2 →