英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料
基于支持向量机的经济预警系统研究
黄霞，杭博
香港大学数学与计算机科学学院
Xiang-Yang，Hubei，ChinaE-mail：79384569@qq.com
摘要：介绍经济理论预警指标的分类，基于SVM分类能力建立商业经济预警模型。试验证明了所提出模式的可行性和实用性。我们还分析了使用不同的核函数和模拟结果的参数。实验结果表明，与传统的财务预警相比，支持向量机具有良好的非线性建模能力和较好的泛化能力。
关键词：支持向量机;指标分类;经济预警系统;内核函数
I. 介绍
经济预警系统是在当前统计指标的基础上，筛选出具有代表性的指标并创建经济监测指标体系，并以此计算机系统的运行状况和预测未来趋势创造出各种指标或模式来形容宏观经济。由于该指标的现状和预期功能，我们也称该指标体系是宏观经济的“晴雨表”或“向警方报告机器”。近年来指标分类已成为预警系统研究的重点，目前存在的问题主要是指标体系覆盖面低，分类欠合理等，本文采用模式分类法，引领了矢量机对预警指标进行排序。支持向量机是Vapnik等。一种根据统计学习理论发展起来的新的一般学习方法[1]。它以结构风险最小原则为基础的最主要特征，根据有限的样本信息，在模型的复杂性（即具体的训练样本的学习精度）之间找到最佳的能力）和学习能力（即具有准确预测能力到未来产出）受到影响，届时会获得最佳提升能力[2]。
II. 经济预警指标分类研究
所谓经济预警系统，就是选择一组反映经济发展状况的敏感目标，然后应用计量经济模型和相关数据处理方法将多个目标合并为一个综合目标，通过计算机辅助分析，发出不同信号给财务状况，最后通过分析信号的变化趋势，判断期货经济增长的趋势，预测经济发展的冬季和过热时间，提前发出预警信号致决策机构。
由于经济周期波动是通过一系列经济变量活动来传递和扩散的。任何经济变量的波动都不足以代表宏观经济的整体波动，因此反映出宏观经济整体波动过程必须综合综合评价各变量的波动，筛选有成千上万个经济指标的代表性目标，并分为预测，同步，滞后三种，预期目标将是指未来经济发展对经济指标的统计具有影响。同步目标更改时间与普通业务状态基本一致;滞后指标的变化时间往往落后于业务变化的共同状态[3]。这两种指标可以说明经济发展的大趋势，并确定或否定先行指标表明经济走势，而且还可以发现经济变化的深度。
提前的目标通常是在整体经济活动达到峰谷之前，预先呈现高峰或低谷，是经济发展的分析强有力的工具，将它们的变化特征和它们与整体经济变化之间的关系提前，当可以分析预测整体经济扩张，达到高峰;当合约跌入低谷时。预售目标主要有金融机构新增贷款，企业订货指数，房地产业用地购置面积，开发面积等。
同步目标达到峰谷时间或整体经济出现峰值或峰值低谷时间大致相同，可用来描述整体经济运行轨迹，确定整体经济运行高峰或低谷位置。它是分析现实经济运行情况的重要指标。主要的经济同步目标包括：GDP，工业总产值，社会消费品零售总额等。
滞后指标高峰或低谷出现时间晚于整体经济呈现高峰或低谷时间。有助于分析上一个经济周期是否完成，下一轮发行会如何变化。滞后指标一般有：财政收入，工业企业实现利税总额，城市居民人均可支配收入等。
先进的，同步的和滞后的指标的分类方法很多，常用的分类学方法包括：谷对应法（图解），时差相关，KL信息月经，MaChang-Fa，循环聚类法和三角形函数法等。
III. 支持向量机算法研究
SVM是线性分离的情况下从最优分离超平面演化出来的，利用经验保持固定值和最小化风险置信区间策略。基本思想可以用如图1所示二维情况[4]。图中，空心点和实心点代表两个样本，H超平面、H1、H2是H和H平行于超平面的最近样本的两种类型，它们之间的距离等于H，这被称为间隔间隔的分类。所谓最优分离超平面是超平面所要求的，不仅能够正确分离两种类型（训练误差率为0），而且分类的间隔最大。
支持向量机如何对线性可分问题优化分类曲面的初始思想，对于线性可分问题中的特征空间，最优越的分类面分离出最大的界面，可以根据上面的核知道。R理论的分析，它确实是在保证样本的正确分布前提下，具有最好的泛能力接口。关于线性不可分问题中的特征空间，可以通过惩罚因子来从整体评价间隙和松弛因子影响，通过训练集映射到高维线性特征空间中的非线性函数，在这个维度中可以是FIN。线性空间的NITE结构，最优超平面分类器，得到决策函数。
图1超平面思维暗示环的线性可分模式
IV. 示例分析
假设经济正常工作（特征向量）的影响因素为m（m＞3），则在m Uygur到n Uygur映射存在时，预警的区别是n（n＞1）。以M作为支持向量机的输入数，N个输出作为支持向量机的数目，可以基于SVM模型构造经济预警。
描述预警信息经济评价的经济模型——支持向量机的输入向量x=（x1 x2 x3 xm）；作为支持向量机输出向量的预警结果y=(y1 y2 y3 yn)典型的特征是利用度作为训练样本数据进行训练，使得不同的输入向量是不同的输出向量到输入空间来输出空间映射。这种映射是高度线性的，它建立在简单的非线性函数组合的基础上，通过运算来表达内积函数的复杂经济预警现象。
这个实证数据从国家互联网Tai-database(公司财务年报数据库)[6],共有74家国内上市公司选为训练样本集,和其他20家上市公司选为测试样本集,因为样本数据来自每个部分的业务,因此需要6可能代表其状态的操作金融规范:x1=每股收益，x2=每股净资产，x3=净资产收益率，x4=每股现金流，x5=分享资本盈余，x6=未分配利润。为了避免错误和机会，本文将2007年至2009年连续3年的年度财务数据作为训练样本集，分别用多项式和径向基函数内积模拟的内积函数，以及实验结果进行比较。参与实验，自动从LIBSVM[7]软件工具中确定模型。结果如下:使用训练样本的多项式作为核函数，在收敛步骤后总共有34次迭代，最小值为-49.5342得到二次规划。系统支持向量方案在边界矢量上达到68、64，对训练样本的交叉检验为75.87%，测试样本的准确率为100%。
表1多项式核函数的分类结果
|
正常 |
危机 |
准确性 |
|
|
训练样本集 |
39 |
35 |
100 |
|
测试样本集 |
10 |
10 |
100% |
表2径向基核函数的分类结果
|
正常 |
危机 |
准确性 |
|
|
训练样本集 |
39 |
35 |
100 |
|
测试样本集 |
10 |
10 |
100% |
以径向基核函数作为训练样本，共实现19次迭代步骤收敛，最小值为-24.34329，得到二次规划。系统支持向量方案实现了35个，其中33个支持边界向量。训练样本的准确性交叉检验为97.33％，测试样本的准确性为100％。
结果表明，算法收敛的核函数径向基函数和支持向量机方面的数量优于算法的多项式核函数，交叉验证准确率比同样使用的算法高97.33％内核类型的数量是75.87％。可以说用作核函数的RBF算法作为使用该算法的核函数优于多项式。
V. 结论
基于SVM的经济分析预警模型摆脱了传统经济歧视模型依赖线性函数的既定限制，利用少量的训练样本可创建模型实验。在实验中我们可以看到，SVM模型具有简单的表面分类，泛化能力，拟合精度，有很好的发展前景。近年来，SVM一直是算法开发的一个很好的模型，但是进一步提高了它的性能。同时选择财务指标和识别培训样本值得进一步研究。
参考文献：
[1] 赵青松,李兴兵,唐小松.基于感官评价的烟草状态支持向量机[J].计算机工程与应用，2007.3（10）：36-240
[2] 惠寿波,王文杰 基于支持向量机和财务危机预测模型的应用[J].计算机工程与设计.2006.4：1183-1186
[3] 张玉梅.后一种危险时刻的财务风险预警着[J].商业研究.2010.11：115-119
[4] XlAo Jianhuam，吴金培，杨树梓.基于支持向量机的评估系统的实现[J]。 计算机工程，2002.8：28-30
[5] BURGES支持向量机模式识别教程[J]。数据挖掘与知识发现，1998（2）：955—974
[6] 全国大数据ehttp：//www.gtarsc.com/.2010
[7] LIBSVM.htTP：//www.csie.ntu.edu.tw/~cjlin/
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[23674]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
