第一章 预测概述

 第一节 预测的重要性

 第二节 什么是预测？

 第三节 预测方法的发展

 第四节 预测与决策

第二章 支持向量回归和分类理论

 第一节 支持向量算法

 第二节 支持向量回归

 第三节 支持向量分类

 第四节 蒙特卡罗仿真

 附录

第三章 汇率预测：基于前馈SVR的非线性ARI模型

 第一节 介绍

 第二节 数据收集和处理

 第三节 实证模型设定

 第四节 预测方案和评估标准

 第五节 预测结果比较分析

 第六节 人民币汇率预测

 第七节 结论

第四章 金融收益率水平预测：基于反馈SVR的非线性ARIMA模型

 第一节 介绍

 第二节 反馈SVR机制设计

 第三节 金融收益率定义

 第四节 固定预测评估

 第五节 递归预测评估

 第六节 中国证券指数和汇率收益率水平预测

 第七节 结论

第五章 金融收益率波动性预测：基于反馈SVR的非线性GARCH模型

 第一节 介绍

 第二节 实证模型和预测方案

 第三节 蒙特卡罗仿真

 第四节 真实数据检验

 第五节 中国金融波动性预测案例

 第六节 结论

第六章 公司信用风险预测：基于SVC的非线性概率模型

 第一节 介绍

 第二节 数据描述和处理

 第三节 预测分析框架

 第四节 实证分析

 第五节 CAPM检验案例

 第六节 结论

第七章 结束语

词汇表

后记

在金融市场预测领域，许多问题无法用传统的方法来刻画内部规律，而新的非参数支持向量回归和分类(SVM)方法只需基于自身的独特算法，就可以对样本信息不断训练，提取出目标经济和金融问题隐含的最优非线性映射关系，非常适合解决先验知识不清的预测问题。特别重要的是，独特的结构风险最小化设计赋予了SVM最出色的预测功能，这是基于经验风险最小化的传统方法不能比拟的。本书利用支持向量回归对不同时间序列模型进行估计，分别预测了汇率、证券指数收益率以及它们的波动性；同时也利用支持向量分类估计了非线性的概率模型，对公司信用风险进行了预测。实证结果支持SVM方法预测能力出色的理论优点。

SVM虽然原理复杂，但是参数设定方便、编程容易、运算快捷且操作性强，使得预测完全可以从理论走向具体应用，具有广阔的应用前景。本书读者可以是金融市场各类投资者、预测工作者、经济和金融分析师、不同层级的管理决策者，也可以是从事预测，统计和计量分析的研究生、科研人员和高校教师。

本书是“金融学论丛”之一，全书共分6个章节，对非参数支持向量回归和分类理论及其在金融市场预测中的应用问题作了系统的介绍，具体包括预测概述、支持向量回归和分类理论、金融收益率水平预测、金融收益率波动性预测、公司信用风险预测等。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。