| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 前言 | 第6-11页 |
| ·研究背景 | 第6-7页 |
| ·股票的相关知识 | 第7-9页 |
| ·股票常用术语 | 第7-8页 |
| ·股票价值和股票指数 | 第8页 |
| ·股价（股指）预测存在的问题 | 第8-9页 |
| ·论文工作与组织 | 第9-11页 |
| 第二章 股市预测问题研究方法 | 第11-23页 |
| ·引言 | 第11页 |
| ·投资分析法 | 第11-12页 |
| ·时间序列法 | 第12-15页 |
| ·自回归模型（AR） | 第13页 |
| ·移动平均模型（MA） | 第13-14页 |
| ·自回归－移动平均模型（ARMA） | 第14页 |
| ·齐次非平稳模型（ARIMA） | 第14-15页 |
| ·非线性系统分析法 | 第15-23页 |
| ·神经网络的基本结构 | 第15-17页 |
| ·神经网络的学习 | 第17-18页 |
| ·BP神经网络 | 第18-23页 |
| 第三章 统计学习理论与支持向量机 | 第23-39页 |
| ·统计学习理论 | 第23-29页 |
| ·机器学习问题的表示 | 第23-25页 |
| ·经验风险最小化原则 | 第25-26页 |
| ·VC（Vapnik-Cheronenkis）维和推广性的界 | 第26-28页 |
| ·结构风险最小化原则（Structural Risk Minimization，SRM） | 第28-29页 |
| ·支持向量机 | 第29-39页 |
| ·最优分类面和支持向量 | 第30-33页 |
| ·高维空间中的最优分类面和支持向量机 | 第33-35页 |
| ·基于支持向量机的回归分析 | 第35-37页 |
| ·支持向量机算法的优化 | 第37-39页 |
| 第四章 基于支持向量机的股市预测问题 | 第39-48页 |
| ·基于支持向量机的股市预测流程 | 第39-40页 |
| ·基于向量机的分析预测工具libsvm | 第40-41页 |
| ·实际预测结果与数据验证分析 | 第41-48页 |
| 第五章 输入向量优化与核函数选择 | 第48-56页 |
| ·输入向量的优化 | 第48-52页 |
| ·主成分分析的基本原理 | 第48-49页 |
| ·股市预测问题输入向量的主成分分析 | 第49-52页 |
| ·核函数的选择 | 第52-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |