本书的一部分内容是系统介绍支持向量机的理论基础和应用方法，大部分的篇幅则是提出新的方法去处理金融工程中的大量问题。由两部分组成，第一部分集中讨论用支持向量机解决时间序列的预测问题，时间序列的预测是回归研究中最常见的问题之一；第二部分研究用支持向量机解决分类问题与奇异点检测问题。

序

数学符号表

第一部分 回归估计中的支持向量机

第一章 回归估计中的支持向量机：一项研究

1.1 回归估计中支持向量机的理论

1.2 支持向量机中的训练算法

1.3 运行向量机的方法傗分析

1.4 支持向量机的应用与效果

1.5 小结与未来的研究工作

第二章 金融时间序列预测中的支持向量机

2.1 引论

2.2 金融预测理论综述

2.3 数据集与数据的预处理方法

2.4 效果检测标准

2.5 实验结果

2.6 小结

第三章 支持向量机中的特征选择

3.1 引论

3.2 神经网络回归元的特征选择技术

3.3 特征选择方法

3.4 实验结果

3.5 小结

第四章 PCA、KPCA与ICA在支持向量机中降低维数方面的比较

4.1 引论

4.2 特征萃取方法

4.3 回归估计中的支持向量机理论

4.4 实验结果

4.5 小结

第五章 动态的支持向量机

5.1 引论

5.2 贴现的最小二乘法

5.3 三种动态的支持向量机

5.4 实验结果

5.5 相关的研究工作

5.6 小结

第六章 时间序列预测中的复合系统

第七章 训练支持向量机中的并行序列最小优化方法

第二部分 分类与奇异性侦察中的支持向量机

第八章 支持向量机在债券评级中的应用

第九章 改进的支持向量奇异性侦察方法

第十章 结论与展望

参考文献

附录A 满足SRM的SVMs回归

附录B 数据集

附录C 改进的SMD的程序编码

附录D 改进的SMD