大数据的统计分析技术比较研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-14页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 研究内容及意义 | 第12页 |
| 1.3 组织框架 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 大数据分析与持股集中度研究综述 | 第14-25页 |
| 2.1 大数据分析研究综述 | 第14-18页 |
| 2.1.1 大数据的定义 | 第14页 |
| 2.1.2 大数据的发展历史 | 第14-15页 |
| 2.1.3 大数据分析的关键技术 | 第15-16页 |
| 2.1.4 数据挖掘 | 第16-17页 |
| 2.1.5 一般性与公平性 | 第17-18页 |
| 2.2 持股集中度与股价波动关系研究综述 | 第18-24页 |
| 2.2.1 持股集中度的定义 | 第18页 |
| 2.2.2 国外相关研究 | 第18-22页 |
| 2.2.3 国内相关研究 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 统计分析技术 | 第25-40页 |
| 3.1 回归分析 | 第25-31页 |
| 3.1.1 一元线性回归分析 | 第25-26页 |
| 3.1.2 多元线性回归分析 | 第26-27页 |
| 3.1.3 统计检验方法 | 第27-31页 |
| 3.2 支持向量机 | 第31-35页 |
| 3.2.1 统计学习理论 | 第31页 |
| 3.2.2 支持向量机基础 | 第31-35页 |
| 3.2.4 支持向量机的应用 | 第35页 |
| 3.3 最大信息系数法 | 第35-38页 |
| 3.4 基于最大信息的无参探索法 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 各种技术的对比分析 | 第40-57页 |
| 4.1 数据预处理 | 第40页 |
| 4.2 一元线性回归分析 | 第40-43页 |
| 4.3 支持向量机回归分析 | 第43-48页 |
| 4.3.1 基于线性核的回归分析 | 第43-46页 |
| 4.3.2 基于径向基核的回归分析 | 第46-48页 |
| 4.4 MIC分析 | 第48-51页 |
| 4.5 对比分析及改进 | 第51-55页 |
| 4.6 MIC--SVM联合分析 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| 5.1 主要结论 | 第57页 |
| 5.2 后期展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录A 一元线性回归分析程序 | 第64-66页 |
| 附录B Libsvm函数说明 | 第66-68页 |
| B.1 svmtrain函数说明 | 第66-67页 |
| B.2 svmpredict函数说明 | 第67-68页 |
| 附录C 基于线性核的ε-SVR分析程序 | 第68-70页 |
| 附录D 基于径向基核的ε-SVR分析程序 | 第70-72页 |
