| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 时间序列分析意义及模型概述 | 第14-22页 |
| ·引言 | 第14页 |
| ·时间序列分析及意义 | 第14-15页 |
| ·时间序列模型概述 | 第15-20页 |
| ·线性平稳时间序列模型 | 第15-17页 |
| ·自回归(AR)模型 | 第15-16页 |
| ·滑动平均(MA)模型 | 第16-17页 |
| ·自回归滑动平均(ARMA)模型 | 第17页 |
| ·非线性平稳时间序列模型 | 第17-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 序列重要点挖掘及检测方法概述 | 第22-36页 |
| ·理论基础 | 第22-24页 |
| ·异常检测方法概述 | 第24-29页 |
| ·基于统计的异常检测方法 | 第24-26页 |
| ·基于邻近度的异常检测方法 | 第26页 |
| ·基于密度的异常检测方法 | 第26-28页 |
| ·基于聚类的异常检测方法 | 第28-29页 |
| ·基于最大最小点模式的重要点提取 | 第29-35页 |
| ·简介 | 第29-31页 |
| ·最大最小点模型 | 第31-34页 |
| ·模型验证 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于滑动平均的序列趋势段平滑方法 | 第36-42页 |
| ·引言 | 第36页 |
| ·简单滑动平均模型 | 第36-38页 |
| ·加权滑动平均模型 | 第38-39页 |
| ·指数平滑模型 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 基于Gompertz增长模型的证券时间序列预测研究 | 第42-58页 |
| ·引言 | 第42页 |
| ·相关增长曲线模型概述 | 第42-46页 |
| ·修正指数曲线模型 | 第42-43页 |
| ·Gompertz曲线模型 | 第43-45页 |
| ·Pearl曲线模型 | 第45-46页 |
| ·基于Gompertz增长曲线模型的证券时间序列预测 | 第46-51页 |
| ·数据准备 | 第46页 |
| ·模型参数估计 | 第46-48页 |
| ·应用实现 | 第48-51页 |
| ·实证分析 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·本文工作 | 第58页 |
| ·下一步工作 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 攻读学位期间作者的工作成果 | 第66页 |