不平衡样本下的金融市场极端风险预警研究

• 作者: 孔祥博 温廷新
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 少数类过采样 金融市场极端风险 粒子群 最小二乘支持向量机
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 工程与应用
• 页码范围: 256-260
• 页数: 5页
• 分类号: F832|TP391
• 字数: 4930字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0071

摘要

为了提高金融市场极端风险识别及预警能力,采用沪深300指数作为研究数据,通过少数类样本过采样算法(SMOTE)解决样本不均衡问题,利用因子分析提取特征,通过粒子群(PSO)优化的最小二乘支持向量机(LSSVM)算法构建(SMOTE-PSO-LSSVM)预测模型.使用SMOTE-PSO-LSSVM模型对2007—2010年沪深300指标样本进行预测,样本含极端风险样本193条,模型成功识别风险样本154条,识别准确率达到了83.1％.研究结果表明SMOTE-PSO-LSSVM模型对金融风险数据识别能力较强,能够较为精准地识别风险样本,且求解速度快运行效率高,比传统BP网络和支持向量机等方法性能更优秀.该研究结论对金融市场的风险识别、市场趋势把控、股市交易管制以及投资者决策具有一定意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温廷新	辽宁工程技术大学系统工程研究所	68	340	10.0	14.0
2	孔祥博	辽宁工程技术大学系统工程研究所	12	62	5.0	7.0