| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 股票预测国内外研究现状 | 第9-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 论文可能的创新之处 | 第17-18页 |
| 第2章 股票预测的相关理论知识 | 第18-25页 |
| 2.1 统计学习理论背景 | 第18-19页 |
| 2.2 VC维原理和结构风险最小化 | 第19-21页 |
| 2.2.1 VC维原理 | 第19-20页 |
| 2.2.2 结构风险最小化 | 第20-21页 |
| 2.3 股票技术指标简介 | 第21-25页 |
| 第3章 数据预处理 | 第25-32页 |
| 3.1 数据集选取 | 第25-26页 |
| 3.2 特征选择 | 第26-28页 |
| 3.3 分类标签 | 第28-29页 |
| 3.4 技术指标最优窗宽的选取 | 第29页 |
| 3.5 特征离散化 | 第29-32页 |
| 第4章 特征加权SVM和特征加权KNN模型 | 第32-43页 |
| 4.1 特征加权 | 第32-34页 |
| 4.2 特征加权核函数和优化核参数算法 | 第34-39页 |
| 4.2.1 特征加权核函数 | 第34-36页 |
| 4.2.2 遗传算法简介 | 第36-37页 |
| 4.2.3 遗传算法(GAs)优化SVM参数 | 第37-39页 |
| 4.3 特征加权的SVM模型 | 第39-41页 |
| 4.4 特征加权的KNN模型 | 第41-43页 |
| 第5章 基于TDDPL-FWSVM的股票价格方向预测 | 第43-54页 |
| 5.1 特征权重的计算 | 第43-50页 |
| 5.1.1 特征数据描述 | 第43-48页 |
| 5.1.2 特征权重的计算 | 第48-50页 |
| 5.2 模型输出结果分析比较 | 第50-54页 |
| 5.2.1 用遗传算法确定TDDPL-FWSVM和FWSVM的未知参数 | 第51-52页 |
| 5.2.2 模型输出结果分析比较 | 第52-54页 |
| 第6章 基于特征加权KNN算法的股票价格预测 | 第54-58页 |
| 6.1 预测股票价格结果评估 | 第54-56页 |
| 6.2 模型TDDPL-FWSVM-FWKNN预测结果 | 第56-58页 |
| 第7章 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58页 |
| 7.2 展望 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 致谢 | 第68-69页 |
