| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Abbreviation | 第13-14页 |
| Problem Statement | 第14页 |
| Project Objectives | 第14-15页 |
| Project Significance | 第15-16页 |
| Chapter 1: INTRODUCTION | 第16-21页 |
| 1.1. Fundamental Analysis | 第16-17页 |
| 1.2. Technical Analysis | 第17页 |
| 1.3. Statistical Analysis | 第17-18页 |
| 1.4. Soft Computing Techniques | 第18-19页 |
| 1.5. Thesis Outline | 第19-21页 |
| Chapter 2: LITERATURE REVIEW | 第21-28页 |
| 2.1. Artificial Neural Network (ANN) | 第21-23页 |
| 2.1.1. ANN Limitations | 第22-23页 |
| 2.2. Support Vector Machine (SVM) | 第23-28页 |
| 2.2.1. Overfitting Problem | 第25-27页 |
| 2.2.2. Research Question | 第27-28页 |
| Chapter 3: EXPERIMENTAL DATA AND TOOLS | 第28-34页 |
| 3.1. Research Data | 第28-30页 |
| 3.1.1. Data Sample | 第28-29页 |
| 3.1.2. Features | 第29-30页 |
| 3.2. Tools | 第30-34页 |
| 3.2.1. Integrated Development Environment (IDE) | 第30-31页 |
| 3.2.2. Programing Language | 第31-34页 |
| Chapter 4: METHODOLOGY | 第34-65页 |
| 4.1. Feature Selection Method | 第35-59页 |
| 4.1.1. Pearson Correlation | 第57-58页 |
| 4.1.2. Jenks Optimization Method | 第58-59页 |
| 4.2. Forecasting Model | 第59-65页 |
| 4.2.1. Support Vector Machine (SVM) | 第59-65页 |
| Chapter 5: EXPERIMENTAL RESULTS AND ANALYSIS | 第65-86页 |
| 5.1. Feature Selection Results | 第65-70页 |
| 5.1.1. Pearson Correlation Experimental Results | 第65-69页 |
| 5.1.2. Jenks Optimization Method Experimental Results | 第69-70页 |
| 5.2. Experimental Results of Forecasting Model | 第70-76页 |
| 5.2.1. Performance Measurements | 第71-72页 |
| 5.2.2. FSVM Experiments | 第72-76页 |
| 5.3. Comparison with other Models | 第76-84页 |
| 5.3.1. SSVM Experiments | 第76-81页 |
| 5.3.2. Experiment with ARIMA | 第81-84页 |
| 5.4. Comparison | 第84-86页 |
| Chapter 6: CONCLUSION AND FUTURE WORK | 第86-88页 |
| 6.1. Conclusion | 第86-87页 |
| 6.2. Future Work | 第87-88页 |
| References | 第88-93页 |
| Acknowledgements | 第93页 |
