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台的*优非线性映射关系非常适台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*小化设计赋予了SVM*出色的预测功能这是基于经验风险*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方法预预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。

**章 预测概述
第二节 什么是预测？
一、预测和预期
在经济学、金融学或计量经济学的文献中经常会遇到预测（forecast，predict）和预期（expectation）的概念。这两个概念并不是相同的，它们的区别可以帮助我们来更好地理解预测的定义。可以卅一句话来说明这两个概念之问的联系和区别：预测是生成预期的正式方法。如果预期是基于对数据的统计分析而获得的，这里包括使用基于经济理论的结构计量模型以及时间序列模型和智能预测计量模型等，那么这样的预期就可以称为预测，这是正式的数量分析方法。但是，预测还不止包括这些，如果预期是根据历史的情况、研究者经验甚至经济理论等方法对当前的真实情形进行客观分析而得到的，即使没有采用严格的公式或模型分析，也可以称为预测，这属于正式的判断预测方法。当然，如果预期仅仅是根据预感、简单的直觉甚至抛硬币而获得，这就不能够属于正式的预测了。
二、预测的定义
我们把预测定义为在已有样本数据信息的基础上对新的数据的可能取值进行估算。具体地说，预测通常指利用已有样本数据（也称为样本内数据、回归样本集或训练集）估计出样本回归模型，然后根据该样本回归模型对新的样本数据（也称为样本外数据、预测样本集或验证集）的可能取值进行计算。如果分析的是时间序列数据（time series data），预测指利用过去和当前的信息对未来事件可能性的数值进行外推（extrapolating）估算，这与我们通常关于预测的理解一致，也是*狭义的预测定义；但是，如果分析的是横截面数据（CFOSS section data），那么预测就足指对新的截面个体的取值进行估算，对这个新的个体的预测可以是原有训练集的内插值（interpolation），也可以是相应的外推值（extrapolation）。前面对预测的定义都是针对的样本外区间，通常把根据样本回归方程计算的样本外（out-of-sample）数据的可能取值称为预测值（forecasting value），而把根据样本回归模型计算的样本内（in-sample）数据的取值称为拟合值（fitting value），所以，*广义的预测既包括样本外预测值，也包括样本内拟合值……
……

**章 预测概述
**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 支持向量回归和分粪理论
**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ARl模型
**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
**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 固定预铡评估
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
**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
**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