鉴于预警金融风险的重要性,为提高金融风险的预警能力,本文提出了遗传算法支持向量机(GA-SVM)金融风险预警模型,以应对传统支持向量机(SVM)在参数选择和预测精度方面存在的问题.本文采用四种不同的评估指标,包括平方绝对误差(MAE)、均方根误差(RMSE)、平均误差(ME)和预测误差百分比(PER)的绝对值,来验证GA-SVM模型的有效性.研究结果表明,GA-SVM模型相对于传统SVM模型在预测上证指数和美元兑人民币汇率方面都取得了显著的改进.具体来说,对于上证指数的预测,MAE平均降低了 11.378%,RMSE平均降低了 6.571%,ME平均降低了14.508%,PER绝对值平均降低了 7.639%.对于美元兑人民币汇率的预测,MAE平均降低了 16.339%,RMSE平均降低了17.370%,ME平均降低了36.204%,PER的绝对值平均降低了21.099%.这些结果表明,GA-SVM模型在金融指数波动预测方面更准确,显著提高了金融风险预测的精度.本文研究的重要性在于提供了一种新的方法,可以改进金融风险预警系统,为金融领域提供更可靠的预测和决策支持.
国家科技期刊平台
NSTL
万方数据
