支持向量機多分類方法研究及其在基金評價中的應(yīng)用.pdf

1、支持向量機是基于統(tǒng)計學(xué)習(xí)理論解決機器學(xué)習(xí)問題的一種新工具，它最初由Vapnik及其同事于20世紀90年代提出，隨著統(tǒng)計學(xué)習(xí)理論的完善，近年來其在算法研究及實際應(yīng)用方面都取得了突破性進展，其中多分類支持向量機的研究更是當前的熱點。
　　本文所做的主要工作有:
　　一、對支持向量機多分類算法的理論基礎(chǔ)與算法思想進行了總體闡述，并對各種多分類算法的性能進行對比研究。針對現(xiàn)有多分類算法存在“拒分區(qū)域”、SVM“錯誤累積效應(yīng)”的不足，

2、提出了改進后的基于二叉樹的多分類支持向量機。本文創(chuàng)新性的引入了類分散度的概念，構(gòu)造最佳分類順序二叉樹結(jié)構(gòu)，改進現(xiàn)有算法在推廣能力方面的缺陷，經(jīng)過算法實現(xiàn)并帶入UCI數(shù)據(jù)集驗證，新算法在分類精度和時間上表現(xiàn)出優(yōu)于傳統(tǒng)的OAA-SVMs、OAO-SVMs、DT-SVMs算法。
　　二、詳細總結(jié)了國內(nèi)外現(xiàn)有基金評級方法，介紹比較經(jīng)典的基金評價方法體系，并對現(xiàn)有的評價體系的優(yōu)缺點進行總結(jié)評述。
　　三、建立基于多分類支持向量機的基金

3、評價模型。以基金各項評價指標作為輸入向量，使用主成分分析法進行特征提取，并選擇適當?shù)暮撕瘮?shù)及通過交叉驗證獲得最佳模型參數(shù)，對訓(xùn)練集進行訓(xùn)練得到分類函數(shù)，再使用預(yù)測樣本集進行驗證分析得到預(yù)測樣本基金的評級。此外，本文使用兩種多分類支持向量機算法——OAA-SVMs與改進DT-SVMs進行基金評價實證分析，分類準確度最高達到80％。結(jié)果表明支持向量機方法對我國基金業(yè)績評價有良好的可行性和有效性，并且改進DT-SVMs在分類精度和分類時間上都