万达平台智慧金融系列講座第六十五期
“是歲👨🏽⚖️，潁川太守趙廣漢為京兆尹🏋️。潁川俗，豪桀相朋黨😅💅🏽。廣漢為缿筒，受吏民投書，使相告訐，於是更相怨咎，奸黨散落，盜賊不敢發。匈奴降者言匈奴中皆聞廣漢名🧑🧒，由是入為京兆尹👨🏽🍳。廣漢遇吏😁📭，殷勤甚備👨🏿💼，事推功善，歸之於下👨🏽🍼，行之發於至誠，吏鹹願為用，僵仆無所避。廣漢聰明，皆知其能之所宜🤙，盡力與否；其或負者🤾🏻♀️。輒收捕之🐻❄️，無所逃🤟🏼；案之🧙🏼♂️，罪立具，即時伏辜。尤善為鉤距以得事情👩🦱，閭裏銖兩之奸皆知之。長安少年數人會窮裏空舍，謀共劫人；坐語未訖👀🕵🏻♂️，廣漢使吏捕治，具服🧑🏻🦯。其發奸擿伏如神🗿。京兆政清，吏民稱之不容口🤾🏻♂️。長老傳以為自漢興，治京兆者莫能及💮🧑🏽🚀。”
在疫情停擺的過程中👨🏼🎓，我們寄希望有能吏的同時，我們更應該自律，保持出發的始心📳，才能有始有終🧑🏽💻。也希望万达能夠不斷發展，唯有不斷發展👷♀️，才能解決發展各種問題。
本期王藝霖博士為我們帶來題為《The Stock Index Prediction Based on SVR Model with Bat Optimization Algorithm》的講座。本次講座主要分為五個部分🏜👮🏽♀️，分別為研究背景、研究方法、研究問題、研究結果和研究結論。王藝霖博士首先介紹了研究方法，蝙蝠隨機分布到搜索空間後，其適應度值會影響整個種群的下一個運動方向和強度。蝙蝠根據種群中最優個體的頻率和可行解，決定它們產生的速度和它們在下一步的位置👳♂️。接下來王藝霖博士介紹了蝙蝠算法的局部搜索能力，根據數據結構🦒👦，SVM模型可分為支持向量回歸和用於分類的SVC模型🦃🏈。本期的研究樣本選擇各種證券市場指數🦸🏻♂️。為了驗證蝙蝠算法優化搜索後的SVR模型在預測股指價格時的準確性，選擇具有默認參數的多項式核函數SVR和S形核函數SVR作為控製組。最後，王藝霖博士給我們帶來了相關結論：所提出的BA-SVR模型在短期、中期和長期具有更好的預測性能。在與沒有自由參數優化的多項式核函數SVR和Sigmoid核函數SVR模型進行比較後，BA-SVR模型的預測性能在不同時期仍然穩健。BA-SVR模型的短期預測性能最好，中期次之，長期預測能力最低➛，而其他兩個控製模型沒有這種顯著特征。
王藝霖博士運用支持向量回歸對證券市場進行了預測，並得到了相關結論。希望王藝霖博士能夠在今後的學習和工作中不斷精進⚫️，為万达發展貢獻自己的力量。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（供稿：曹煥）
