基于小波聚類算法的中國(guó)金融風(fēng)險(xiǎn)預(yù)測(cè).pdf

1、本文針對(duì)金融危機(jī)的危害性，著力找出影響金融風(fēng)險(xiǎn)比較明顯的相關(guān)指標(biāo)參數(shù)，通過構(gòu)建預(yù)測(cè)模型，預(yù)測(cè)可能對(duì)我國(guó)產(chǎn)生影響的風(fēng)險(xiǎn)情況，能夠有效發(fā)現(xiàn)潛在的金融風(fēng)險(xiǎn)，能夠服務(wù)于宏觀方面的金融市場(chǎng)運(yùn)行，提高金融監(jiān)管的準(zhǔn)確性。
　　文章首先分析了國(guó)內(nèi)外在金融風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域的研究情況，指出我國(guó)的金融風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)和相關(guān)研究模型構(gòu)建方面的現(xiàn)狀，針對(duì)目前國(guó)內(nèi)對(duì)金融預(yù)警模型處在初步階段，使用了數(shù)據(jù)挖掘技術(shù)中的FCM聚類和小波聚類算法對(duì)比，小波聚類算法除了具備分類

2、的特性以為，還具有小波的多分辨率特性，以及濾波去噪的優(yōu)勢(shì)。由于金融數(shù)據(jù)序列具有非線性等特點(diǎn)，我們接著引入了混沌理論中的相空間重構(gòu)預(yù)測(cè)模型，在預(yù)測(cè)模型中，使用了RBF神經(jīng)網(wǎng)絡(luò)模型作為擬合函數(shù)。然后，我們將小波聚類和混沌算法進(jìn)行融合利用，這兩種聚類算法達(dá)到了簡(jiǎn)約神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，調(diào)節(jié)相關(guān)神經(jīng)元的參數(shù)，減少神經(jīng)網(wǎng)絡(luò)的冗余信息，防止過擬合，最終改善預(yù)測(cè)性能的目的。最后，我們通過實(shí)驗(yàn)認(rèn)證，得到金融風(fēng)險(xiǎn)的預(yù)測(cè)圖，可以看出小波聚類混沌預(yù)測(cè)的準(zhǔn)確性得到了