| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题的研究背景与意义 | 第9-11页 |
| 1.2 大规模数据的挑战与应对 | 第11-15页 |
| 1.2.1 数据的获取——主题爬虫 | 第11-12页 |
| 1.2.2 数据的存储——大数据的问题 | 第12-15页 |
| 1.3 机器学习在金融时间序列数据挖掘中的应用现状 | 第15-17页 |
| 1.4 研究生阶段主要工作 | 第17页 |
| 1.5 论文组织方式 | 第17-19页 |
| 第二章 算法交易系统设计 | 第19-26页 |
| 2.1 证券投资方法简略回顾 | 第19-22页 |
| 2.2 系统的设计目标与体系结构 | 第22-23页 |
| 2.2.1 设计目标 | 第22页 |
| 2.2.2 体系结构 | 第22-23页 |
| 2.3 系统处理流程 | 第23-26页 |
| 第三章 SVM应用于主题爬虫和时间序列处理 | 第26-36页 |
| 3.1 支持向量机 | 第26-29页 |
| 3.1.1 线性分类和 Logistic Regression | 第26-28页 |
| 3.1.2 几何间距与支持向量 | 第28-29页 |
| 3.2 SVM在主题爬虫中的应用 | 第29-33页 |
| 3.2.1 主题爬虫 | 第29-30页 |
| 3.2.2 主题爬虫的设计与实现 | 第30-31页 |
| 3.2.3 朴素贝叶斯用于主题爬虫 | 第31-32页 |
| 3.2.4 SVM模型应用于主题爬虫 | 第32-33页 |
| 3.3 SVM在金融时间序列数据挖掘中的应用 | 第33-36页 |
| 3.3.1 金融时间序列数据挖掘 | 第33-34页 |
| 3.3.2 SVM应用于金融时间序列数据挖掘 | 第34-36页 |
| 第四章 大规模数据存储 | 第36-48页 |
| 4.1 NoSQL产品研究 | 第36-42页 |
| 4.1.1 Key-Value模型代表：Tair | 第37-39页 |
| 4.1.2 列模型代表：HBase | 第39-42页 |
| 4.1.3 NoSQL基本思想总结 | 第42页 |
| 4.2 深入CAP理论 | 第42-45页 |
| 4.3 数据库分库分表技术(Sharding) | 第45-48页 |
| 4.3.1 Sharding 的必要性 | 第45-47页 |
| 4.3.2 TDDL | 第47-48页 |
| 第五章 算法交易系统实现 | 第48-67页 |
| 5.1 数据抓取模块实现 | 第48-58页 |
| 5.1.1 社交网络数据抓取 | 第50-56页 |
| 5.1.2 股票交易时间序列数据采集 | 第56-58页 |
| 5.2 数据存储模块实现 | 第58-63页 |
| 5.3 量化模型运行时模块的实现 | 第63-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 下一步工作展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |