金融高频数据交易方向推断:对支持向量机混合核函数的质疑
核函数在支持向量机中起到关键作用,然而金融高频数据挖掘的经验分析表明,尽管各种核函数秉性各异,但是选择不同的核函数对结果的影响并不显著.研究发现,主要是因为共同支持向量的比例很高,存在很大程度的一致性.这种情况下,采用混合核函数是得不偿失的.另一方面,从支持向量机提出的逻辑背景——统计学习理论——来看,混合核函数也不是被鼓励的做法.退一步,模型并不是现实的复制,而只是现实的抽象和简化,所以,应该学会在既不偏离现实太远又能把握重要的本质特征之间折衷,而不是在模型的复杂程度上做徒劳的努力.
金融市场 买卖动向预测 数据挖掘 支持向量机 混合核函数 统计学习理论
魏瑾瑞 刘晓葳 谢邦昌 朱建平
厦门大学经济学院,福建厦门,361005
国内会议
广州
中文
571-584
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）