北京理工大学毕业设计外文翻译本科生毕业设计（论文）外文翻译外文原文题目：Forecastingstockmarketmovementdirectionwithsupportvectormachine中文翻译题目：应用支窒蛄炕?aid="sogousnap0_6">预测股票市场运动趋势毕业设计（论文）题目：基于混沌时间序列的金融市场预测模型研究1北京理工大学毕业设计外文翻译应用支持向量机预测股票市场运动趋势黄伟??，??，??oshiteruNakamori??,汪寿阳??a：SchoolofKnowledgeScience,JapanAdvancedInstituteofScienceandTechnology,1-1Asahidai,Tatsunokuchi,Ishikawa923-1292,Japanb：中国科学院数学和系统科学研究院系统科学研究所中国北京邮编100080摘要:SVM是一种非常特殊的学习算法，其特点是拥有控制决策的能力，使用核函数以及对稀缺性的解决。在本文中，我们将通过预测日经225指数每周的运动趋势来研究使用SVM系统预测财政运动趋势。为了评估SVM的预测能力，我们将其表现与线性判别分析，二次班别分析还有埃尔曼的反向传播神经系统进行比较。实验结果证明，SVM分析优于其他方法。而且，我们计划将SVM与其他分析方法结合起来，这种结合的方法将成为最好的预测方法。关键词：ＳＶＭ；预测；多元分类；1.介绍金融市场是一个复杂的，进化的，非线性动力系统[1]。金融预测领域以数据密度、噪音、不稳定性、本质松散、高度不可靠和关系隐蔽为特点[2]。在金融市场中包括政治事件、一般的经济条件和交易者的期望等许多因素互相影响，所以，预测金融市场的价格波动非常困难。不过，按照学术研究，我们知道市场价格的变动并不是随机的。确切来说，价格波动以高度的非线性，动态的方式表现出来。认为未来价格是随机运动的的假设可能仅仅是受非线性运动的表象的影响[3-5]。SVM是一种非常特殊的学习算法，其特点是拥有控制决策的能力，使用核函数以及对稀缺性的解决[6-8]。它是一种建立在系统风险最小化原理理论的基础上，通过最小化一般错误的最大值来判断系统的作用。SVM系统显示出对拟合问题很强的抵抗力，最终达到好的表现。SVM另外一个重要特性是使SVM等同于解决线性约束的二次规划问题，因此，SVM的结果总是独特而且全局最佳，不像神经网络那样需要非线性最优化和要求得到风险在局部的最小值。最近，一些报道经常会提到SVM在金融预测上的应用[9-13]。大部分情况下，某一预测的精确度和可接受性受到观测值的偏差的影响。对金融市场的参与者来说，基于最小化估计错误的预测方法并不适合他们的目标。换言之，受一个具体而些微错误的预测驱动的交易可能达不到以准确预测交易遵循的方向运动。这篇文章的主要目的是探索SVM对金融市场运动趋势的预测。下面的文章将按照以下的结构展开：在第二部分，我们介绍ＳＶＭ的基本理论；在第三部分，给出三个实验计划；实验结果将在第四部分展示；2北京理工大学毕业设计外文翻译而在第五部分，我们会给出我们的结论。２.分类中的SVM理论在这一部分，我们呈现支持向量机模型的一个基本理论。如果想了解更详细的介绍，请参考[14,15]。假设Ｄ是数据球体的最小半径。对分开的超平面上两边的点到超平面的距离来说，最小的距离叫做间隔边际。如果边际最大，则超平面是最佳的间隔超平面。假设ｑ是最佳超平面上的边际，那么原理最佳超平面的点同时距离ｑ的点叫做支持向量。考虑到这个问题的分离的集合属于训练矢量两种分化的集合。G={(x??;y??);i=1,2,…,N}随着一个超平面w????(????)+b=0(x??∈R??是输入矢量，y??∈{?1;1}二元目标)。最初的SVM符合下面的条件：w????(????)+b?1ify??=1;(1)w????(????)+b?1ify??=?1;(2)或者y??[w????(????)+b]?1i=1,2,…,N(3)这里，??:R??R??是特征地图中绘制了从输入空间到一个平常的高维度特征空间,这个特征空间里数据点变得线性分离了。点x??到超平面的距离是：d(x??;w,b)=?w????(????)+b?||??||2(4)根据定义边际是２／||w||。因此，我们在Ｅq的约束条件下(3)可以通过结局下面的式子得到超平面的1分离数据：minφ(w)＝2||??||2(5)上述问题的结果是拉格朗日方程中的鞍点L??1=2||??||2?在Eq约束条件下，????是非负的拉格朗日因子。目前为止，我们的分析只是局限在分离数据之中。为了解决一般的未分离数据案例，我们引入松弛