摘要 | 第2-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第9-18页 |
1.1 研究背景 | 第9-10页 |
1.2 研究目的和意义 | 第10-12页 |
1.2.1 研究目的 | 第10-11页 |
1.2.2 研究意义 | 第11-12页 |
1.3 研究内容、方法和技术路线 | 第12-16页 |
1.3.1 研究内容 | 第12-14页 |
1.3.2 研究方法 | 第14-15页 |
1.3.3 研究技术路线 | 第15-16页 |
1.4 本文的主要贡献 | 第16-18页 |
第2章 文献综述与相关理论 | 第18-30页 |
2.1 文献综述 | 第18-22页 |
2.1.1 量化交易方法方面 | 第18-19页 |
2.1.2 股市择时预测方面 | 第19-20页 |
2.1.3 投资策略方面 | 第20-21页 |
2.1.4 文献评述 | 第21-22页 |
2.2 相关理论回顾 | 第22-30页 |
2.2.1 量化交易方法概述 | 第22-23页 |
2.2.2 NARX动态神经网络原理简介 | 第23-27页 |
2.2.3 BP静态神经网络原理简介 | 第27-28页 |
2.2.4 SVM支持向量机模型原理简介 | 第28-30页 |
第3章 问题描述与分析 | 第30-34页 |
3.1 研究问题描述 | 第30-32页 |
3.2 研究问题分析 | 第32-34页 |
第4章 NARX动态神经网络择时策略的理论框架 | 第34-44页 |
4.1 数据选取与预处理 | 第34-39页 |
4.1.1 数据选取 | 第34-36页 |
4.1.2 数据相关性检验 | 第36-39页 |
4.1.3 数据预处理 | 第39页 |
4.2 模型选择:股价拟合与模式分类 | 第39-42页 |
4.2.1 三种模型在股价拟合中应用的理论部分 | 第39-40页 |
4.2.2 三种模型在模式分类中应用的理论部分 | 第40-42页 |
4.3 评价指标:评估择时策略的理论依据 | 第42-44页 |
第5章 NARX动态神经网络择时策略方案设计 | 第44-71页 |
5.1 策略设计思路 | 第44-45页 |
5.2 NARX动态网络在股价拟合中的应用 | 第45-59页 |
5.2.1 拟合结果评价指标 | 第45-46页 |
5.2.2 BP静态网络的股价拟合方法 | 第46-47页 |
5.2.3 SVM回归模型的股价拟合方法 | 第47-50页 |
5.2.4 NARX动态网络的股价拟合方法 | 第50-58页 |
5.2.5 三种模型股价拟合结果对比与小结 | 第58-59页 |
5.3 NARX动态网络在模式分类中的应用 | 第59-70页 |
5.3.1 模型的输入和输出 | 第60-61页 |
5.3.2 学习验证集已知分类的指派 | 第61-63页 |
5.3.3 NARX动态神经网络模式分类模型的建立 | 第63-69页 |
5.3.4 NARX动态网络与其他两种模型分类结果的比较与小结 | 第69-70页 |
5.4 本章小结 | 第70-71页 |
第6章 NARX动态网络择时策略合理性论证及实施途径 | 第71-86页 |
6.1 NARX动态网络积极型择时策略投资组合的建立 | 第71-77页 |
6.1.1 积极型择时投资组合原理 | 第71-73页 |
6.1.2 NARX动态网络积极型择时策略投资组合的设计 | 第73-77页 |
6.2 择时策略投资组合收益率分析 | 第77-79页 |
6.2.1 收益率结果分析与比较 | 第77-78页 |
6.2.2 收益率分布的Kolmogorov-Smirnov检验 | 第78-79页 |
6.3 择时策略投资组合的业绩评价指标体系 | 第79-84页 |
6.3.1 α与β值 | 第79-81页 |
6.3.2 夏普比率 | 第81-82页 |
6.3.3 风险价值修正的夏普比率 | 第82-83页 |
6.3.4 最大回撤 | 第83-84页 |
6.4 本章小结 | 第84-86页 |
第7章 结论 | 第86-90页 |
7.1 基本结论 | 第86-87页 |
7.2 存在不足 | 第87-88页 |
7.3 进一步研究方向 | 第88-90页 |
致谢 | 第90-91页 |
参考文献 | 第91-94页 |
附录 | 第94-126页 |