基于支持向量机的金融时间序列回归分析
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-24页 |
| ·选题的背景与意义 | 第11-12页 |
| ·相关模型的研究综述 | 第12-21页 |
| ·金融时间序列模型综述 | 第12-14页 |
| ·支持向量机综述 | 第14-17页 |
| ·机器学习核方法 | 第14-16页 |
| ·支持向量机算法 | 第16-17页 |
| ·小波理论综述 | 第17-19页 |
| ·流形方法综述 | 第19-21页 |
| ·主流形方法 | 第19-20页 |
| ·嵌入流形方法 | 第20-21页 |
| ·信息几何方法 | 第21页 |
| ·论文结构与创新之处 | 第21-24页 |
| ·结构安排 | 第21-22页 |
| ·主要创新 | 第22-24页 |
| 第二章 统计学习与支持向量机 | 第24-34页 |
| ·引言 | 第24页 |
| ·计算学习理论 | 第24-27页 |
| ·学习问题表述 | 第24-25页 |
| ·统计学习理论 | 第25-26页 |
| ·可能近似正确学习模型 | 第26-27页 |
| ·支持向量机理论 | 第27-33页 |
| ·线性支持向量分类机 | 第28-29页 |
| ·非线性支持向量分类机 | 第29-31页 |
| ·支持向量回归机 | 第31-32页 |
| ·核的构造条件 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于小波支持向量机的股价动力模型分析 | 第34-53页 |
| ·引言 | 第34页 |
| ·股票收益模型研究 | 第34-39页 |
| ·有效市场假说与布朗运动模型 | 第34-35页 |
| ·分形市场假说与分数布朗运动模型 | 第35-37页 |
| ·Hurst指数与重标极差分析 | 第37-38页 |
| ·混沌动力学模型与Lyapunov指数 | 第38-39页 |
| ·基于小波支持向量机的收益模型 | 第39-51页 |
| ·小波变换与多分辨分析 | 第40-42页 |
| ·小波核构造与证明 | 第42-43页 |
| ·实验数据与预处理 | 第43-48页 |
| ·性能指标与结果分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于小波支持向量机的GARCH模型分析 | 第53-69页 |
| ·引言 | 第53页 |
| ·波动率模型研究 | 第53-57页 |
| ·ARCH模型 | 第53-54页 |
| ·GARCH模型 | 第54-55页 |
| ·随机波动SV模型 | 第55-57页 |
| ·基于小波支持向量机的波动模型 | 第57-67页 |
| ·仿真实验 | 第57-58页 |
| ·真实数据集实验 | 第58-67页 |
| ·模型适用性分析 | 第63-66页 |
| ·模型有效性分析 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 基于流形小波核的收益序列分析 | 第69-80页 |
| ·引言 | 第69页 |
| ·先验模型研究 | 第69-70页 |
| ·数据依赖模型研究 | 第70-75页 |
| ·黎曼流形与度量 | 第70-73页 |
| ·核函数的几何解释 | 第73-75页 |
| ·流形小波核构造与证明 | 第75-76页 |
| ·实验结果与分析 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 基于样条小波核的波动序列分析 | 第80-91页 |
| ·引言 | 第80页 |
| ·样条小波模型研究 | 第80-81页 |
| ·样条空间与函数 | 第81-84页 |
| ·样条函数空间 | 第81-83页 |
| ·B样条函数定义与性质 | 第83-84页 |
| ·样条小波核构造与证明 | 第84-85页 |
| ·实验结果与分析 | 第85-90页 |
| ·本章小结 | 第90-91页 |
| 第七章 结论与展望 | 第91-94页 |
| 参考文献 | 第94-108页 |
| 攻读博士学位期间所取得的研究成果 | 第108-109页 |
| 致谢 | 第109页 |
