| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 文献回顾 | 第12-19页 |
| 1.2.1 国外文献综述 | 第12-14页 |
| 1.2.2 国内文献综述 | 第14-18页 |
| 1.2.3 国内外文献综述的简析 | 第18-19页 |
| 1.2.4 研究问题的提出 | 第19页 |
| 1.3 研究内容和方法 | 第19-22页 |
| 1.3.1 主要内容 | 第19-21页 |
| 1.3.2 研究方法 | 第21-22页 |
| 第2章 相关理论基础 | 第22-34页 |
| 2.1 支持向量机（SVM）相关理论 | 第22-29页 |
| 2.1.1 统计学习理论 | 第22-23页 |
| 2.1.2 支持向量机（SVM）的核函数 | 第23-25页 |
| 2.1.3 支持向量机的分类（ SVC）算法 | 第25-27页 |
| 2.1.4 支持向量机的回归（ SVR）算法 | 第27-29页 |
| 2.2 主成分分析法 | 第29-30页 |
| 2.2.1 主成分分析的基本思想 | 第29页 |
| 2.2.2 主成分分析的数学模型 | 第29-30页 |
| 2.3 人工神经网络原理 | 第30-33页 |
| 2.3.1 人工神经网络概述 | 第30-31页 |
| 2.3.2 ANNs的学习过程 | 第31-32页 |
| 2.3.3 人工神经网络的基本特征及模型分类 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 创业板指数预测研究设计 | 第34-51页 |
| 3.1 模型构建 | 第35-36页 |
| 3.2 样本选取 | 第36页 |
| 3.3 创业板指数下跌市场行情预测分析 | 第36-41页 |
| 3.3.1 PCA-PSO-LIBSVM支持向量机预测结果分析 | 第36-38页 |
| 3.3.2 动态神经网络的预测结果分析 | 第38-41页 |
| 3.4 创业板指数震荡市场行情预测分析 | 第41-45页 |
| 3.4.1 PCA-PSO-LIBSVM支持向量机预测结果分析 | 第41-43页 |
| 3.4.2 动态神经网络预测结果分析 | 第43-45页 |
| 3.5 创业板指数上升市场行情预测分析 | 第45-50页 |
| 3.5.1 PCA-PSO-LIBSVM支持向量机预测结果分析 | 第45-47页 |
| 3.5.2 动态神经网络预测结果分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 实盘模拟策略应用研究 | 第51-60页 |
| 4.1 创业板指数预测 | 第51-54页 |
| 4.1.1 PCA-PSO-LIBSVM支持向量机预测结果分析 | 第51-53页 |
| 4.1.2 动态神经网络预测结果分析 | 第53-54页 |
| 4.2 投资策略分析 | 第54-59页 |
| 4.2.1 策略的前提假设 | 第54-56页 |
| 4.2.2 融资融券交易策略 | 第56页 |
| 4.2.3 股指期货交易策略 | 第56-58页 |
| 4.2.4 市场单纯策略的收益分析 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68页 |
