| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·股市预测的概况 | 第9-12页 |
| ·支持向量机在证券领域的应用 | 第12-13页 |
| ·论文工作及组织安排 | 第13-14页 |
| 2 统计学习理论与支持向量机 | 第14-24页 |
| ·统计学习理论 | 第14-18页 |
| ·机器学习问题的表示 | 第14-15页 |
| ·经验风险最小化（ERM）原则 | 第15-17页 |
| ·VC（VAPNIK-CHERONENKIS）维和推广性的界 | 第17-18页 |
| ·支持向量的基本思想 | 第18-22页 |
| ·最优分类超平面 | 第19-20页 |
| ·如何求最优分类超平面与不可分情况的推广 | 第20-21页 |
| ·高维空间中的最优分类面 | 第21-22页 |
| ·结构风险最小化原则（SRM） | 第22-24页 |
| 3 支持向量回归机 | 第24-35页 |
| ·回归问题 | 第24-30页 |
| ·支持向量回归机 | 第25页 |
| ·线形支持向量回归机 | 第25-27页 |
| ·非线形支持向量回归机 | 第27-28页 |
| ·新型单参松弛二范数支持向量回归机 | 第28-30页 |
| ·支持向量机的训练算法 | 第30-35页 |
| ·核函数 | 第32-33页 |
| ·支持向量机参数选择方法 | 第33-35页 |
| 4 当今证券市场现状及基金净值预测问题研究方法 | 第35-46页 |
| ·引言 | 第35页 |
| ·证券投资基金现状 | 第35-38页 |
| ·基金概况 | 第35-36页 |
| ·基金的分类 | 第36-37页 |
| ·证券投资基金的特点 | 第37-38页 |
| ·基金预测几种主要方法 | 第38-46页 |
| ·统计方法基金预测模型 | 第39-40页 |
| ·BP 神经网络预测模型 | 第40-42页 |
| ·用Matlab 编写的BP 网络预测程序 | 第42-46页 |
| 5 基于支持向量回归机的预测实验分析 | 第46-61页 |
| ·基于支持向量机的股市预测流程 | 第46-47页 |
| ·非线性时间序列预测模型 | 第47-50页 |
| ·非线性时间序列相空间重构 | 第47-48页 |
| ·基于支持向量机的非线性时间序列预测模型 | 第48-50页 |
| ·经济预测检验 | 第50-51页 |
| ·利用软件包LIBSVM 作为预测工具 | 第51-52页 |
| ·实验结果分析 | 第52-61页 |
| ·数据来源 | 第52页 |
| ·数据预处理 | 第52-54页 |
| ·参数选择 | 第54-55页 |
| ·实验仿真与分析 | 第55-61页 |
| 6 结论 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录 | 第66页 |