论文基于最小二乘小波支持向量机的股指波动率预测，本文是关于支持向量机相关电大毕业论文范文和支持向量机和小波和波动类电大毕业论文范文.
前言 金融衍生品定价、资产组合配置、金融风险测度及管理都离不开对波动率的准确预测对波动率的准确预测,一方面有助于研究者进行资产定价、套利定价和期权定价的理论研究,另一方面有助于市场监管者对金融市场运行质量进行准确评估,同时又有助于投资者对投资组合进行合理配置．有效规避投资风险为此,国内外学者不断提出各种方法提高波动率的预测准确性E“gh、和Bollcrslcv提出的自回归条件异方差类模型lL-21/k其扩展形式以资产收益的条件方差估计波动率,能够较好地刻画波动率的各种特征,在波动率预测中占有重要地位
为进一步提高波动率的预测精度．Donalclson等["将神经网络(NN)与C;ARC,H模型相结合预测股指波动率,仉,1,h[q、Tac、[5]分别利用NN预测股指波动率这些研究证实．NN可以在一定程度上改善波动率的预测效果但神经网络以经验风险最小化作为计算准则,在理论上存在三个问题：网络结构难以确定、存在局部极小值、收敛速度慢.由Valmik提出的支持向量机(SVM)[e]是当前重要的机器学习算法之一,有效解决了神经网络遇到的问题SVM的本质是求解一个带约束条件的凸二次规划问题,通过结杓风险最小化准则,兼顾了学习算法的经验风险和泛化能力．在非线性回归和预测中表现优越Pcrcz_C,mzDl利用SVM估计C;ARC,H模型,进而提高了波动率的预测精度：Czwrishchakalsl证实SVM的波动率预测效果优于‘主流”波动率模型：陈诗一等[9]、王保华等iLOl分别将SVM应用于波动率预测研究,证明了SVM的有效性汤凌冰iu坪I用小波核提高SVM非线性逼近能力,实证研究表明,基于小波核的SVM较基于RBF核的SVM具有更高的波动率预测精度SVM算法的复杂性取决于数据样本的个数．样本越多．相应二次规划问题求解越复杂．计算效率越低
最小二乘支持向量机（LS -SVM）是SVM的一种扩展形式lL21．将最小二乘算法引入到SVM中,取代了SVM的二次优化算法,通过定义拉格朗日函数,并结合最优条件,将SVM中的二次规划优化变换为线性方程求解,从而降低了算法的复杂性,提高了计算效率C;ci,dlq成功地将Lt,-SVM应用于波动率预测研究
核函数是LS-SVM模型的关键,LS-SVM的预测性能取决于核函数的选择以高斯核函数为代表的常见核函数,在回归分析表现出较好的映射性能但研究发现,这堂已有核函数不能使LS-SVM逼方可积空间￡：(R：)上的任意函数,致使LS-SVM无法逼近任意的目标函数[州
最小二乘小波支持向量机（LS-WSVM）以小波核为核函数,利用小波函数的多分辨率提高LS-SVM的非线性处理能力[蚓．在模式识别和非线性函数逼近等方面获得应用目前LS-WSVM在波动率预测领域的应用很少,本文将LS-WSVM应用于波动率预测研究,通过对上证综指和深证成指不同频率波动率的实证分析,检验LS-WSVM的有效性2 波动率的最小二乘小波支持向量机
金融经济学研究中通常以方差估计资产收益的波动率Parkinson证实极差能够捕捉到更多金融市场的变化信息．以极差估计波动率要比传统的样本方差估计更有效陶.极差R,定义为：
R,等于lOOx(Io< Pota.-10~: Prj_.)
(1)
归纳上文：此文为一篇关于对写作支持向量机和小波和波动论文范文与课题研究的大学硕士、支持向量机本科毕业论文支持向量机论文开题报告范文和相关文献综述及职称论文参考文献资料有帮助.
参考文献：
1、 基于小波和ARMA模型的时间序列区间预测 摘要提出小波去噪和ARMA模型相结合的预测方法 对上证指数原序列进行小波去噪,然后对去噪后的序列建立ARMA模型,进行95的置信区间的动态预报 关键词小波去噪；ARMA模型；区间预测中图分类号F224.
2、 没有李银河，哪有王小波 张丰（媒体人）水木年华乐队的早期组合中,有位乐手叫姚勇,是王小波的外甥 读中学的时候,姚勇全身心投入到音乐中,令家人很担忧,舅舅王小波被家人派去劝他 王小波说,你爱音乐和艺术,这很好,但是,你要像我这.
3、 金牛座之王小波 金牛座出生日期为阳历4月21日—5月20日,是黄道十二宫的第二宫 金牛座是名副其实的现实主义者,具有持之以恒的精神,适合从事需要顽强毅力和付出长期艰苦努力的工作 金牛座的人对人对事态度慎重.
4、 叙事的游戏论王小波的《青铜时代》 摘 要王小波是中国小说艺术创作中的异端,学术界针对王小波的研究也已经从现象研究进入到了文本研究 王小波的黄金时代更加已经被称为是经典作品 但是,王小波的长篇小说却始终都被忽略,这也却成为了一种怪现象 .
5、 社会边缘人论村上春树和王小波人物形象的精神 中图分类号 I206 文献标识码 A 文章编号 10022139(2017)0505901绪论村上春树和王小波可以说是两位不同于中日文坛主流的两朵“奇葩”,两位&ldquo.