基于GA-SVR的ATM現(xiàn)金需求量預(yù)測.pdf

1、ATM機(jī)的現(xiàn)金需求量管理是各家銀行必須面臨的問題。其目標(biāo)是在ATM機(jī)中投放最少量的現(xiàn)金來滿足用戶不確定的需求。有效精確的ATM現(xiàn)金量預(yù)測對(duì)于銀行具有非凡意義，然而對(duì)這一問題的研究甚少。因此，本文嘗試用遺傳算法改進(jìn)支持向量回歸機(jī)（GA-SVR）方法預(yù)測ATM現(xiàn)金需求量，提高預(yù)測的精度。
　　首先，本文針對(duì)國內(nèi)外的研究現(xiàn)狀，分別按照四種預(yù)測方法（歷史經(jīng)驗(yàn)法、回歸分析法、時(shí)間序列法和人工智能方法）進(jìn)行總結(jié)。其中人工智能中的BP神經(jīng)網(wǎng)絡(luò)和

2、支持向量回歸機(jī)（SVR）得到越來越多專家和學(xué)者的關(guān)注。
　　其次，本論文使用時(shí)間序列分析法構(gòu)建ARIMA模型進(jìn)行情景分析，并使用Eviews8.0進(jìn)行仿真實(shí)驗(yàn)；支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論函數(shù)集的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上的一種新型有效的回歸方法，通過在有限樣本信息模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中的方案，來獲得足夠好的推廣能力。因此，本文的研究主要是基于支持向量回歸機(jī)算法，應(yīng)用LibSVM軟件包預(yù)測ATM現(xiàn)金需求