基于Twin-SVM的多分形金融市场风险的智能预警研究

摘要：

本文以沪深300指数(CSI300)长达11年的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常状态与关注状态的界定方法,并引入新型的支持向量机(SVM)人工智能模型,即孪生SVM (Twin-SVM)模型对多分形特征下的金融市场风险展开预警研究.实证结果表明:①我国新兴金融市场的价格波动具有显著的多分形特征;②基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;③与传统SVM和BP神经网络(NN)相比,Twin-SVM不仅在预测精度上显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其他预警模型存在的非对称样本问题.

关键词：金融风险、智能预警、多分形、孪生支持向量机、非对称样本

所属期刊栏目：35

分类号：C812(统计方法)

资助基金：国家自然科学基金“中国金融市场极端风险危机的SVM智能预警方法及应用”71171025;国家自然科学基金“结构突变下金融风险传染的隐Markov-高维动态藤Copula方法构建及应用研究”71771032;教育部人文社会科学研究规划基金项目“分形市场假说下的金融资产收益与波动关系研究”15YJA790057

在线出版日期：2018-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：3-13