[发明专利]一种基于粒子群优化增量支持向量机的内幕交易辨别方法在审
| 申请号： | 201910472328.6 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110210974A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 邓尚昆;王晨光;粟智豪;王明月 | 申请（专利权）人： | 三峡大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06K9/62;G06N3/00 |
| 代理公司： | 宜昌市三峡专利事务所 42103 | 代理人： | 成钢 |
| 地址： | 443002 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 支持向量机 测试目标 样本数据 交易 粒子群优化算法 粒子群优化 特征指标 数据集 分类 样本 辨别 支持向量机分类器 分类结果 分类向量 交易行为 决策函数 优化参数 自动更新 自动识别 分类面 原样本 准确率 学习 优化 | ||
1.一种基于粒子群优化增量支持向量机的内幕交易辨别方法，其特征在于，包括以下步骤：
步骤1：收集内幕交易相关的样本、对应的非内幕交易样本及其特征指标作为样本数据集；
步骤2：利用粒子群优化算法优化参数后的支持向量机对样本数据集进行学习和分类；
步骤3：确定最优的分类面和分类向量；
步骤4：获得测试目标样本并收集测试目标数据集，根据最优分类面对测试目标的特征指标进行估计并分类，判别测试样本是否存在内幕交易并输出判别结果；
步骤5：判断测试目标是否违背决策函数的KKT条件；
步骤5.1：若违背决策函数的KKT条件，则执行步骤6；
步骤5.2：若不违背决策函数的KKT条件，则执行步骤7；
步骤6：将测试目标及其是否内幕交易的标签加入样本数据集，利用粒子群优化算法优化参数并训练得到一个新的支持向量机分类器；
步骤7：判断是否有下一测试目标；
步骤7.1：若有下一测试目标，则执行步骤3；
步骤7.2：若无下一测试目标，则结束。
2.根据权利要求1所述的基于粒子群优化增量支持向量机的内幕交易辨别方法，其特征在于，所述样本数据集包括是否为内幕交易的特征标签。
3.根据权利要求1所述的基于粒子群优化增量支持向量机的内幕交易辨别方法，其特征在于，样本数据及其特征指标包括证券市场微观表现指标、财务指标、股权结构与治理指标。
4.根据权利要求1-3任意一项所述的基于粒子群优化增量支持向量机的内幕交易辨别方法，其特征在于，所述支持向量机的核函数参数及惩罚因子采用粒子群优化算法优化得出。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三峡大学，未经三峡大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910472328.6/1.html，转载请声明来源钻瓜专利网。
