證券交易的風險評估論文

1證券交易風險評估原理

1.1屬性數學模型證券交易風險評估方法

證券交易風險評估，需要統計各種不同證券的相關參數，利用基礎屬性數學模型，對證券風險進行評估。其具體步驟如下所述:1)設置δj是第j種證券交易形式的利潤量屬性和成本量屬性的衝突係數，建立不同證券交易形式的矩陣X=x11x12…x1px21x22…x2p螃螃螃?n1xn2…xnp，其中xjk是需要進行風險評估的第k種證券交易形式第j天的市場價值。2)利用下述公式計算第j種證券交易形式的增長係數:ηj=xjk×j2-??1δj(1)3)利用下述公式能夠計算證券交易風險評估誤差係數:φj=Xjk{fj1×1+fj2×(1+2)+…+fjp×[(p-1)+]j}2×(ej1+ej2+…+ejp)×T×ηj(2)其中，fjk是對應證券交易形式的權值係數，ejk是對應證券的收益率參數，T是證券交易風險評估時間。

1.2傳統方法存在的缺陷

在證券交易風險分析評估挖掘過程中，需要統計各種不同證券形式的相關數據，利用基礎屬性數學模型，對證券交易進行評估。假設在評估過程中，利潤量屬性和成本量屬性發生衝突，將造成評估模型穩定性降低的缺陷，導致證券交易風險分析挖掘的準確性較差。根據式(1)能夠得知，一旦證券利潤量屬性和成本量屬性的衝突係數增大，將導致第j種證券交易形式增長係數降低。根據式(2)能夠得知，第j種證券交易形式增長係數降低，將造成證券交易風險評估誤差係數增大。

2證券交易風險分析評估挖掘方法

證券交易風險分析評估挖掘，是金融領域研究的核心問題。利用傳統算法進行證券交易風險分析評估挖掘，無法避免由於利潤量屬性和成本量屬性衝突造成的評估模型穩定性較差的缺陷，導致證券交易風險分析評估挖掘的準確性降低。因此，提出了一種基於模糊支持向量機算法的證券交易風險評估方法。3.1建立模糊支持向量機評估模型證券交易風險分析評估挖掘主要包括建立模糊支持向量機評估模型和對評估過程中造成的誤差進行補償兩個主要的部分。評估模型質量與證券交易風險評估結果關係密切。利用模糊支持向量機的方法進行證券交易風險評估，需要對全部證券特徵建立映射聯繫，通過運算獲取理想的分類平面，從而建立模糊支持向量機評估模型。根據全部證券交易相關數據，能夠描述不同證券之間的相關性。其公式如下所述:L(y，z)=e1Lq(y，z)+e2LS(y，z)(3)其中，Lq是證券相關數據多項式核函數，LS是基函數。上述公式需要符合下述條件:e1+e2=1根據核函數相關理論能夠得知，對符合Mercer條件的核函數進行求和處理，得到的結果仍然符合Mercer的條件。對證券交易相關參數進行優化處理，能夠提高核函數的訓練能力和泛化能力。設置證券信息能夠用Tj(1<j

　　3仿真結果分析

在證券交易的過程中，證券交易的風險容易受到政策、市場、地域分佈等多方面因素的.影響，造成證券交易中的利潤量屬性與成本量屬性出現較大程度的衝突，從而造成對證券交易的評估出現較大的誤差。一旦利潤量屬性和成本量屬性出現衝突，將造成傳統評估模型穩定性降低的缺陷，導致證券交易風險分析評估挖掘的準確性降低。爲此，提出了一種基於模糊支持向量機算法的證券交易風險評估方法。利用模糊支持向量機方法，對證券交易中的風險進行評估，利用誤差補償方法，對評估過程中產生的誤差進行補償，從而實現證券交易風險評估。

3.1證券交易風險分析評估挖掘數據

對證券交易風險分析評估的初始數據進行整理，從中選取不同風險等級的樣本，獲取的600個樣本數據如下表1所示。在實驗過程中，需要將這些樣本數據分爲訓練數據集合和測試數據集合，其中訓練數據集合中包括500個訓練樣本，測試數據集合中包括100個測試樣本。

3.2計算不同證券交易形式權值係數

對證券交易進行風險分析評估挖掘，需要計算不同證券交易形式的權值係數，對不同證券交易形式的權值係數進行整理，能夠得到表2。

3.3實驗結果分析

爲了驗證本文算法的有效性，需要進行一次實驗，分別採用線性評估模型算法、基礎屬性數學模型算法、迴歸模型算法和模糊支持向量機算法進行證券交易風險分析評估挖

　　4結束語

本文提出了一種基於模糊支持向量機算法的證券交易風險評估方法。利用模糊支持向量機方法，對證券交易中的風險進行評估，利用誤差補償方法，對評估過程中產生的誤差進行補償，從而實現證券交易風險評估。實驗結果表明，這種算法能夠提高證券交易風險分析評估挖掘的準確性。