返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 模糊机会约束最小二乘双支持向量机算法及其在金融市场应用的研究 韩仁杰,李然 著 经管、励志 文轩网
  • 新华书店正版
    • 作者: 韩仁杰,李然著
    • 出版社: 西南财经大学出版社
    • 出版时间:2021-06-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 韩仁杰,李然著
    • 出版社:西南财经大学出版社
    • 出版时间:2021-06-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-06-01
    • 字数:245000
    • 页数:328
    • 开本:32开
    • 装帧:平装
    • ISBN:9787550448643
    • 国别/地区:中国
    • 版权提供:西南财经大学出版社

    模糊机会约束最小二乘双支持向量机算法及其在金融市场应用的研究

    作  者:韩仁杰,李然 著
    定  价:68
    出 版 社:西南财经大学出版社
    出版日期:2021年06月01日
    页  数:328
    装  帧:平装
    ISBN:9787550448643
    主编推荐

    一直以来, 中央对于金融安全、 风险防范、 保障经济平稳增长都高度重视, 十九大报告也指出要守住金融市场不发生系统性风险的底线。 金融市场波动测度着金融市场的不确定性或风险, 特别是 2008 年优选金融危机后, 防范金融风险、 预测金融市场波动更是成为学术界关注的重点。 传统金融数据以及新兴的微博文本数据等, 为许多经济决策提供依据的同时, 其高维、 非结构化存在形式掩盖了数据的本质特征。 从复杂的高维数据中找到数据所反映的本质规律, 应用于金融市场, 对金融市场参与者而言, 能够更准确地预测金融市场波动, 规避金融市场波动引致的损失; 对金融市场监管机构而言, 可以更有效地防范系统性金融风险, 保障金融市场稳定运行。

    内容简介

    本书通过机会约束规划和模糊隶属度,给出了一种全新的模糊机会约束很小二乘双支持向量机,能够有效地测量数据噪声。此外,本书通过获取移动端和PC端的关键词百度搜索量,发现搜索时的行为及注意力集中度存在异质性。同时基于关键词百度搜索量,使用多种算法对金融市场波动进行了预测,并对算法精度进行了比较。流形学习理论作为一种高维非线性特征提取方法,正成为机器学习领域应用研究的热点,尤其在发现高维金融数据(上市公司财务数据、上证指数数据等)的低维表示应用中展现了良好的算法效果。本书通过对测地距离与欧式距离进行假设,从理论上论证了使用欧式距离会达到ISOMAP算法类似效果,同时能够降低算法复杂度。

    作者简介

    精彩内容

    目录
    1 绪论
    1.1 研究背景与研究意义
    1.2 国内外研究现状
    1.3 研究内容与方法
    1.3.1 研究内容
    1.3.2 研究方法
    1.4 本书结构安排
    1.5 本书创新及不足
    2 金融市场波动预测模型类文献及基于搜索指数的金融市场波动预测类文献述评
    2.1 金融市场波动预测模型类文献述评
    2.2 基于搜索指数的金融市场波动预测类文献述评
    2.3 本章小结
    3 理论及方法介绍
    3.1 金融时间序列特征及分析方法
    3.2 波动率理论
    3.2.1 波动聚类
    3.2.2 均值回复
    3.2.3 长期记忆效应及锚定效应(Anchoring Effect)
    3.2.4 杠杆效应
    3.3 流形理论及流形学习算法
    3.3.1 流形学习的数学定义
    3.3.2 ISOMAP等流形学习算法理论
    3.4 本章小结
    4 模糊机会约束最小二乘双支持向量机(FCC-LSTSVM)模型
    4.1 支持向量机简介
    4.2 最小二乘双支持向量机和模糊机会约束双支持向量机
    4.2.1 最小二乘双支持向量机(LSTSVM)
    4.2.2 模糊机会约束双支持向量机(FCC-TSVM)
    4.3 模糊机会约束最小二乘双支持向量机(FCC-LSTSVM)
    4.4 数值实验
    4.4.1 模糊隶属度函数
    4.4.2 人工数据
    4.4.3 真实数据测试
    4.5 本章小结
    5 基于百度指数的沪深300指数波动率预测研究
    5.1 百度指数预测金融市场波动路径分析
    5.2 实验设计
    5.2.1 数据来源
    5.2.2 描述性统计与相关性分析
    5.3 交易日百度指数与沪深300指数波动关系研究及算法比较
    5.3.1 百度指数预处理方法及FCC-LSTSVM算法实现
    5.3.2 PC端百度指数预测沪深300指数波动及算法比较
    5.3.3 移动端百度指数预测沪深300指数波动及算法比较
    5.4 本章小结
    6 关于ISOMAP算法的改进
    6.1 算法假设
    6.2 算法论述
    6.3 本章小结
    7 全书总结与研究展望
    7.1 全书总结
    7.2 研究展望
    参考文献
    附录
    附录A 百度指数提取主要代码
    附录B FCC-LSTSVM主要代码
    附录C 部分关键词百度指数
    后记

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购