| 中文摘要 | 第8-9页 |
| 英文摘要 | 第9页 |
| 第一章 前言 | 第10-13页 |
| §1.1 研究背景 | 第10-11页 |
| §1.2 研究方法及文章结构 | 第11-12页 |
| §1.3 论文创新之处 | 第12-13页 |
| 第二章 理论方法简介 | 第13-22页 |
| §2.1 支持向量机理论 | 第13-18页 |
| §2.1.1 线性支持向量分类机 | 第13-16页 |
| §2.1.2 支持向量分类机 | 第16-18页 |
| §2.2 时间序列理论 | 第18-22页 |
| §2.2.1 一元时间序列及ARMA模型简介 | 第18-19页 |
| §2.2.2 多元时间序列及VAR模型简介 | 第19-21页 |
| §2.2.3 协整理论 | 第21-22页 |
| 第三章 股指变动方向SVM预测分析 | 第22-27页 |
| §3.1 数据及指标介绍 | 第22-25页 |
| §3.2 SVM实证结果 | 第25-27页 |
| 第四章 在VAR基础上的SVM预测分析 | 第27-36页 |
| §4.1 股指价格VAR预测分析 | 第27-34页 |
| §4.2 VAR预测基础上的SVM方向预测 | 第34-36页 |
| 第五章 结论与展望 | 第36-37页 |
| §5.1 文章总结 | 第36页 |
| §5.2 研究展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 附表 | 第41页 |