支持向量机算法及其在金融信息处理中的应用

绪论篇

第1章 绪论

1.1 概述

1.2 线性可分问题的SVM方法

1.3 线性不可分问题的SVM方法

1.4 核函数

1.5 支持向量及非支持向量和超平面的关系

1.6 SVM的模型选择问题

1.7 SVM与解非线性方程组

1.8 决策函数、Fisher判别和Rayleigh商

1.9 Libsvm仿真平台

算法篇

第2章 典型的支持向量分类机和回归机

2.1 C-SVC(b=O)

2.2 v-SVC

2.3 ε-SVR

2.4 v-ε-SVR

2.5 IS-SVM

2.6 二次ε-SVR

2.7 包含点集的最小超球体

第3章 支持向量机的结构修剪算法

3.1 概述

3.2 支持向量机的结构修剪算法

3.3 Lagrangian函数和对偶理论

3.4 等价点和广义Lagrangian函数

3.5 本质支持向量的不定性

3.6 支持向量机的在线学习算法

第4章 粗略删除支持向量的方法

4.1 概述

4.2 正交投影

4.3 纵向传播

4.4 删除步骤

4.5 角度和截距变化

4.6 一类支持向量机删除算法

4.7 批粗略删除方法

4.8 实验讨论

4.9 结语

第5章 特征空间椭圆模式挖掘

5.1 概述

5.2 基于椭圆分布的SVM模型

5.3 实验研究

5.4 特征空间椭圆模式的分解算法

5.5 结语

第6章 特征空间和经验图

6.1 引言

6.2 特征空间和经验图的一些关系

6.3 调整分隔超平面

第7章 用SVM解奇偶校验问题和大系统分解算法

7.1 概述

7.2 实验和讨论

7.3 基于SMO算法的奇偶校验问题进一步实验

7.4 基于梯度下降法的奇偶校验问题实验研究

7.5 使用分解算法训练SVM

7.6 使用大系统分解协调算法训练SVM

第8章 支持向量机超曲面

8.1 分隔超平面和分隔超曲面

8.2 实验

应用篇

第9章 基于支持向量机和随机过程的金融市场波动研究

9.1 随机过程基础

9.2 几个重要的随机过程

9.3 随机占优和下方风险

9.4 互联网金融信息时间序列的Markov性的实验研究

9.5 基于支持向量机的多阶时间延迟的股价预测模型

第10章 基于支持向量机的互联网金融市场波动预测

10.1 概述

10.2 基于支持向量机的股市交易量预测

10.3 金融舆情分析系统

参考文献

这本《支持向量机算法及其金融应用》由梁循著，介绍了一些支持向量机的算法与应用。本书作者先前出版的另外7本书籍《网络金融》、《数据挖掘算法与应用》、《互联网金融信息系统的设计与实现》、《电子商务理论与实践》、《网络金融信息挖掘导论》、《网络金融系统设计与实现案例集》和《互联网金融信息智能挖掘基础》之间的关系如图0-1所示。本书是它们的延续、补充和进一步系统化及理论归纳。这本《支持向量机算法及其金融应用》由梁循著，综合了大量国内外的最新资料和作者的研究成果，有选择地介绍了支持向量机的一些算法和应用。全书从结构上分为三篇：第一篇介绍了支持向量机的一些概念；第二篇具体介绍了一些支持向量机的算法，包括支持向量机的结构修剪方法、粗略删除支持向量的方法、特征空间椭圆模式挖掘、在特征空间和经验图中的训练算法、奇偶校验问题的一些解法，并研究了支持向量机超曲面对两类样本的分隔问题。第三篇主要讨论了支持向量机的应用问题，包括互联网金融信息时间序列、股价预测等问题，以及互联网金融信息分析系统的介绍。 《支持向量机算法及其金融应用》的读者可以是对支持向量机、数据挖掘感兴趣的计算机专业人士，也可以是对互联网金融信息挖掘感兴趣的领域专家，它可供支持向量机、数据挖掘、金融数据建模等领域的科技人员和高校师生研究参考。