金伟华
- 作品数：2 被引量：0H指数：0
- 供职机构：武汉理工大学理学院更多>>
- 发文基金：湖北省统计科研计划项目国家自然科学基金更多>>
- 相关领域：社会学自动化与计算机技术经济管理更多>>
- 两种SVM模型对比分析下的改进创新
- 2014年
- 建立在ARMA模型上的时间序列预测,我们通常采用标准的支持向量机来进行预测,但是这种做法被严重诟病。例如:它的计算速度慢,低效率以及内存占有率高等问题。有研究在此基础上改进的SVM算法,它是通过对大样本量进行细分,并依据每个子样本对原样本的贡献度大小赋予它们不同程度的惩罚因子,已经被认为是重要的突破。在实际经济预测中(如股票预测)取到了不错的效果。但相较于普通的SVM,它还存在不成熟的地方。本文就这两种SVM算法背景下,对它们的优缺点以及适用范围进行更深层次的探讨。
- 金伟华
- 关键词：时间序列支持向量机
- 非参数拟合及其应用
- 2016年
- 随着样本量的增大和复杂度的提高,蕴含的信息更加多样化,一般的参数拟合满足不了需求。非参数拟合应运而生,其中的样条拟合就是一个典型。通过构造样条函数,转化成向量表达式Y=Xβ+ε,依据参数估计中的最小二乘法求解出插值函数。结合理财产品收益率的相关数据,在投资方向结构型、期限结构、发行金额等几个方面,对三种不同风险系数的理财产品采用非参数拟合模型拟合三条收益率曲线,对比曲线趋势,对未来时刻进行分析预测。
- 金伟华陈世鹏金升平
- 关键词：收益率曲线样条插值
