• [正版新书]模糊机会约束最小二乘双支持向量机算法及其在金融市场应用的研究韩仁杰, 李然著
21年品牌 40万+商家 超1.5亿件商品

[正版新书]模糊机会约束最小二乘双支持向量机算法及其在金融市场应用的研究韩仁杰, 李然著

正版全新图书,当天15点前订单均可发出,可开发票!

31.3 4.6折 68 全新

库存80件

河北廊坊
认证卖家担保交易快速发货售后保障

作者韩仁杰, 李然著

出版社西南财经大学出版社

ISBN9787550448643

出版时间2021-06

装帧平装

开本其他

定价68元

货号3741674

上书时间2024-07-20

高山深涧的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介

韩仁杰,1989年出生,博士,重庆工商经济学院经济系讲师。主要研究领域为偏微分方程、化、行为经济学等,已在数学和应用经济学领域发表SCI、SSCI5篇,主持重庆市社科规划项目1项,校级科研项目1项。



目录
本书通过机会约束规划和模糊隶属度, 给出了一种全新的模糊机会约束最小二乘双支持向量机, 能够有效地测量数据噪声。此外, 本书通过获取移动端和PC端的关键词百度搜索量, 发现搜索时的行为及注意力集中度存在异质性。同时基于关键词百度搜索量, 使用多种算法对金融市场波动进行了预测, 并对算法精度进行了比较。流形学习理论作为一种高维非线性特征提取方法, 正成为机器学习领域应用研究的热点, 尤其在发现高维金融数据 (上市公司财务数据、上证指数数据等) 的低维表示应用中展现了良好的算法效果。本书通过对测地距离与欧式距离进行假设, 从理论上论证了使用欧式距离会达到Is0MAP算法类似效果, 同时能够降低算法复杂度。

内容摘要
本书通过机会约束规划和模糊隶属度,给出了一种全新的模糊机会约束很小二乘双支持向量机,能够有效地测量数据噪声。此外,本书通过获取移动端和PC端的关键词百度搜索量,发现搜索时的行为及注意力集中度存在异质性。同时基于关键词百度搜索量,使用多种算法对金融市场波动进行了预测,并对算法精度进行了比较。流形学习理论作为一种高维非线性特征提取方法,正成为机器学习领域应用研究的热点,尤其在发现高维金融数据(上市公司财务数据、上证指数数据等)的低维表示应用中展现了良好的算法效果。本书通过对测地距离与欧式距离进行假设,从理论上论证了使用欧式距离会达到ISOMAP算法类似效果,同时能够降低算法复杂度。

主编推荐
一直以来, 中央对于金融安全、 风险防范、 保障经济平稳增长都高度重视, 十九大报告也指出要守住金融市场不发生系统性风险的底线。 金融市场波动测度着金融市场的不确定性或风险, 特别是 2008 年优选金融危机后, 防范金融风险、 预测金融市场波动更是成为学术界关注的重点。 传统金融数据以及新兴的微博文本数据等, 为许多经济决策提供依据的同时, 其高维、 非结构化存在形式掩盖了数据的本质特征。 从复杂的高维数据中找到数据所反映的本质规律, 应用于金融市场, 对金融市场参与者而言, 能够更准确地预测金融市场波动, 规避金融市场波动引致的损失; 对金融市场监管机构而言, 可以更有效地防范系统性金融风险, 保障金融市场稳定运行。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP