基于支持向量机的债券时间序列预测

金融时间序列数据的预测是商业领域的热点问题,债券市场又是金融市场的一个重要组成部分,因此对债券数据进行准确的预测,对金融投资决策与风险管理都具有特别重要的意义。基于近期样本数据远比早期重要的特点,以及兼顾训练样本数据时所需的局部性和全局性,通过分别赋予高斯径向基核和多项式核随时间动态调整的权重值,将两者组合起来构造出了一个新的组合核函数以提高模型的预测准确度。研究表明,与单个核函数相比,新构造的组合核函数具有更优越的性能。