| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状评述 | 第14-18页 |
| 1.2.1 量化投资国内外研究现状 | 第14-16页 |
| 1.2.2 深度神经网络应用于金融领域的国内外研究现状 | 第16-18页 |
| 1.3 研究目标与研究内容 | 第18-19页 |
| 1.4 研究方法和路线 | 第19-20页 |
| 1.5 研究的创新点及章节安排 | 第20-21页 |
| 第2章 相关理论与方法 | 第21-31页 |
| 2.1 逻辑回归模型 | 第21页 |
| 2.2 人工神经网络原理 | 第21-24页 |
| 2.2.1 神经元 | 第22页 |
| 2.2.2 网络拓扑结构 | 第22-23页 |
| 2.2.3 误差反向传播算法 | 第23-24页 |
| 2.3 特征提取相关理论 | 第24-28页 |
| 2.3.1 主成分分析法 | 第24-26页 |
| 2.3.2 自动编码器 | 第26-27页 |
| 2.3.3 受限玻尔兹曼机 | 第27-28页 |
| 2.4 深度神经网络原理 | 第28-30页 |
| 2.4.1 深度神经网络 | 第28-29页 |
| 2.4.2 网络正则化 | 第29页 |
| 2.4.3 Relu激活函数 | 第29-30页 |
| 2.4.4 Mini-Batch梯度下降法 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于深度神经网络的股价预测模型研究 | 第31-45页 |
| 3.1 理论框架 | 第31-32页 |
| 3.2 数据处理 | 第32-35页 |
| 3.2.1 数据选取 | 第32-34页 |
| 3.2.2 数据预处理 | 第34页 |
| 3.2.3 数据分组 | 第34-35页 |
| 3.3 特征提取 | 第35-37页 |
| 3.3.1 特征数据选取 | 第35-36页 |
| 3.3.2 特征数据的预测准确率实证分析 | 第36-37页 |
| 3.4 基于深度神经网络的股价走势预测模型研究 | 第37-42页 |
| 3.4.1 目标函数介绍 | 第38页 |
| 3.4.2 目标函数比较 | 第38-41页 |
| 3.4.3 网络结构选取 | 第41-42页 |
| 3.5 基于改进深度神经网络的股价走势预测模型研究 | 第42-44页 |
| 3.5.1 模型的预测效果 | 第43页 |
| 3.5.2 模型比较 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 量化投资策略的构建 | 第45-54页 |
| 4.1 交易规则设置 | 第45-47页 |
| 4.2 不同市场行情下的回测分析 | 第47-51页 |
| 4.2.1 上涨行情时回测分析 | 第47-48页 |
| 4.2.2 下跌行情时回测分析 | 第48-49页 |
| 4.2.3 震荡行情时回测分析 | 第49-50页 |
| 4.2.4 总体行情回测分析 | 第50-51页 |
| 4.3 策略稳健型检验 | 第51-53页 |
| 4.3.1 投资组合检验 | 第51-52页 |
| 4.3.2 交易成本敏感性分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间公开发表的论文和参与的课题 | 第61-62页 |
| 附录B 30只股票标的介绍 | 第62页 |