金融工程的支持向量機方法

內容概要

支持向量機是在20世紀90年代由V.Vapnik等人研究并迅速發(fā)展起來的一種基于統(tǒng)計學習理論的機器學習算法。它通過尋求結構風險最小化來實現(xiàn)實際風險最小化，從而在樣本量較小的情況下也能獲得良好的學習效果。支持向量機算法是一個二次優(yōu)先問題，因此，能保證所得到的解是全局最優(yōu)的解。支持向量機具有完備的理論基礎（統(tǒng)計學習理論）和出色的應用表現(xiàn)，正成為神經網絡之后，機器學習領域中新的研究熱點。以往困擾機器學習方法的很多問題，如模型選擇與學習問題、非線性和維數(shù)災難問題、局部極小問題等，在這里都得到了一定程度上的解決。它已經應用在模式識別、函數(shù)回歸和概率密度估計等方面。
　　本書由兩部分組成。第一部分集中討論用支持向量機解決時間序列的預測問題。時間序列的預測是回歸研究中最常見的問題之一。第二部分研究用支持向量機解決分類問題與奇異點檢測問題。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    金融工程的支持向量機方法 PDF格式下載

---