| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.1.1 量化投资的发展 | 第10-12页 |
| 1.1.2 量化投资的优势 | 第12页 |
| 1.2 课题研究现状 | 第12-17页 |
| 1.2.1 量化投资理论基础 | 第13-14页 |
| 1.2.2 基于财务数据挖掘成长股的可行性研究 | 第14-15页 |
| 1.2.3 基于智能算法的选股模型研究 | 第15-17页 |
| 1.3 研究的目的和意义 | 第17-18页 |
| 1.4 论文的主要研究内容及结构安排 | 第18-20页 |
| 第二章 基础理论 | 第20-30页 |
| 2.1 特征加权方法介绍 | 第20-22页 |
| 2.1.1 GINI指标 | 第20-21页 |
| 2.1.2 RELIEFF算法 | 第21页 |
| 2.1.3 加权算法总结 | 第21-22页 |
| 2.2 特征降维方法介绍 | 第22-25页 |
| 2.2.1 主成分分析 | 第22-23页 |
| 2.2.2 线性判别分析 | 第23-24页 |
| 2.2.3 降维方法总结 | 第24-25页 |
| 2.3 支持向量机理论 | 第25-30页 |
| 2.3.1 线性可分支持向量机 | 第25-26页 |
| 2.3.2 线性不可分支持向量机 | 第26-28页 |
| 2.3.3 非线性支持向量机 | 第28-30页 |
| 第三章 财务数据的采集及预处理 | 第30-36页 |
| 3.1 获取财务数据 | 第30-32页 |
| 3.1.1 股票样本的选取 | 第31页 |
| 3.1.2 财务特征的选取 | 第31-32页 |
| 3.1.3 研究周期的选取 | 第32页 |
| 3.2 数据预处理 | 第32-34页 |
| 3.2.1 缺省值处理 | 第33页 |
| 3.2.2 异常值处理 | 第33-34页 |
| 3.3 数据标准化 | 第34页 |
| 3.4 类别划分 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于ReliefF加权算法与线性判别分析的财务特征提取 | 第36-46页 |
| 4.1 财务特征加权 | 第36-43页 |
| 4.2 财务数据提取特征 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 选股模型的建立以及实验结果 | 第46-58页 |
| 5.1 选股模型的建立 | 第46-49页 |
| 5.1.1 数据集的划分 | 第46-47页 |
| 5.1.2 支持向量机选股模型的建立 | 第47-49页 |
| 5.2 基于遗传算法的SVM参数优化 | 第49-50页 |
| 5.3 实验结果 | 第50-57页 |
| 5.3.1 特征加权对识别精度的影响 | 第50-52页 |
| 5.3.2 LDA降维对识别精度的影响 | 第52-53页 |
| 5.3.3 代价敏感性对识别精度的影响 | 第53-55页 |
| 5.3.4 与其他参考文献的比较 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 结论 | 第58-60页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 致谢 | 第66-67页 |