简介：期权波动率预测是期权风险预警管理的关键问题，传统方法采取GARCH等时间序列模型。与传统方法不同，本文创建了基于机器学习算法的“SKRG递进集成”新预警体系，体系以中国波指为对象，采取48个相关指标作为对中国波指预测的特征（Feature），依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程，逐步提高预测精准率。测试样本显示，基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献，应用价值在于为波动率的预测进而期权风险预警提供了新的方法。

简介：杰里米·边沁(JeremyBentham)在他的功利主义理论中提出了苦乐计算法,要求对快乐和痛苦的值进行量的估算,从而较精确地估算出任何一个行动或事件所造成的苦乐倾向,并且最终通过对苦乐估算的结果来让人们选择出能给大多数人带来最大快乐的行动方案,让政府制定出能给大多数人带来最大快乐的政策。但是,他的这一苦乐计算法却遭到了后世一些哲学家们的批评和诘难,自称为边沁继承者的约翰·斯图亚特·密尔(JohnStuartMill)对此进行了一些反驳,并对边沁的苦乐计算进行了局部修改,将只有量的区别的快乐拓展为既有量的区别又有质的区别的快乐,将其粗糙的'快乐'概念进行了精致化的改造,并提出'幸福'是一个比'快乐'更加丰富的概念。但是,密尔在理论上所进行的这些细枝末节的修改并未将边沁的苦乐计算法从众多的批评中解救出来,在实际的估算过程中,功利主义的苦乐计算法仍然面临着实践的困境。