| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 本文的研究背景 | 第8页 |
| 1.2 国内外股市预测的发展概况 | 第8-11页 |
| 1.3 支持向量机研究现状 | 第11-12页 |
| 1.4 本文研究的内容方法 | 第12页 |
| 1.5 本文的结构安排 | 第12-14页 |
| 2 支持向量机理论概述 | 第14-26页 |
| 2.1 统计学习理论 | 第14-17页 |
| 2.1.1 经验风险最小化 | 第14-15页 |
| 2.1.2 VC维 | 第15页 |
| 2.1.3 推广性的界 | 第15-16页 |
| 2.1.4 结构风险最小化 | 第16-17页 |
| 2.2 支持向量分类机 | 第17-21页 |
| 2.2.1 线性可分情况 | 第17-20页 |
| 2.2.2 线性不可分情况 | 第20-21页 |
| 2.3 支持向量回归机 | 第21-26页 |
| 2.3.1 回归问题 | 第22页 |
| 2.3.2 ε-不敏感损失函数和ε-带 | 第22页 |
| 2.3.3 线性回归算法 | 第22-25页 |
| 2.3.4 非线性回归算法 | 第25-26页 |
| 3 VaR模型及GARCH模型的理论基础 | 第26-38页 |
| 3.1 VaR的概念 | 第26页 |
| 3.2 VaR的一般计算方法 | 第26-28页 |
| 3.2.1 一般分布下的VaR计算 | 第26-27页 |
| 3.2.2 正态分布下的VaR计算 | 第27-28页 |
| 3.3 GARCH类模型概述 | 第28-38页 |
| 3.3.1 ARCH模型 | 第28-31页 |
| 3.3.2 GARCH模型 | 第31-34页 |
| 3.3.3 GARCH模型的几种扩展形式 | 第34-38页 |
| 4 支持向量机和VaR-GARCH模型在金融市场预测中的应用 | 第38-55页 |
| 4.1 数据的选取及来源 | 第38-39页 |
| 4.2 对沪深300指数的预测 | 第39-46页 |
| 4.2.1 GARCH类模型和VaR-GARCH类模型的预测 | 第39-44页 |
| 4.2.2 SVR-GARCH-M模型的预测 | 第44-46页 |
| 4.3 对个股价格的预测 | 第46-55页 |
| 4.3.1 GARCH模型的建立 | 第47-49页 |
| 4.3.2 支持向量回归模型的建立 | 第49-52页 |
| 4.3.3 不同模型的预测精度比较 | 第52页 |
| 4.3.4 对其他股票价格的预测效果检验 | 第52-53页 |
| 4.3.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60页 |