一类基于CVaR的分布式鲁棒支撑向量机理论与应用.pdfVIP

摘要

摘要

.

随着大数据技术的发展，机器学习成为一个非常热门的研究方向支撑向量机模型

(SupportVectorMachine，SVM)也备受关注，其中基于CVaR（ConditionalValueat-Risk）

的支撑向量机模型相较于传统的几类支撑向量机模型在分类效果预测上，有着更精确

的预测精度.但是由于基于CVaR的支撑向量机要求数据均系同一分布且数据是准确

的，然而在实际应用中数据都会受到一些不可控因素的影响.为此，学者提出了基于

CVaR.

的分布式鲁棒支撑向量机算法本文对这一模型进行一些理论和实证研究，具体

内容如下：

在理论方面，利用随机变量一阶矩和二阶矩信息构造模糊集，给出基于CVaR的

.

分布式鲁棒支撑向量机模型然后借助于对偶理论，建立了一类随机优化问题的确定模

型.由此得到了研究模型的确定优化问题.再利用优化问题的一阶必要条件，简化了所

建确定优化问题，建立所研究支撑向量机的可求解模型.

在实证方面，我们选取了某外国银行的600条信贷数据，利用上述模型做进一步

的实证分析，并将其实证结果与基于CVaR的支撑向量机模型以及不同核函数下的支

撑向量机模型进行对比分析，基于CVaR的分布式鲁棒支撑向量机模型在各方面均优

于其他支撑向量机模型.

以上的研究内容不光丰富了支撑向量机的有关理论，拓展了其用途，还为使用支

撑向量机解决复杂金融问题提供了一种方法和途径.

关键字：风险度量；支撑向量机模型；分布式鲁棒优化；对偶理论

论文类型：应用基础

ABATRACT

ABSTRACT

Withthedevelopmentofbigdatatechnology,machinelearninghasbecomeaveryhot

researchdirection.SupportVectorMachine(SVM)modelhasalsoattractedmuchattention,

amongwhichthesupportvectormachinemodelbasedonCVaRhasmoreaccurate

predictionaccuracyintheclassificationeffectpredictioncomparedwiththetraditional

severaltypesofSVMmodels.However,sincethesupportvectormachinebasedonCVaR

requiresthesamedistributionofdataandthedataisaccurate,however,inpractical

application,thedataareaffectedbysomeuncontrollablefactors.Therefore,adistributed

robustsupportvectormachinealgorithmbasedonCVaRisproposed.Thispapercarriesout

sometheoreticalempiricalresearchonthismodel,thespecificcontentisasfollows：

Intheory,thefirstandsecondmomentsofrandomvariablesareusedtoconstr