| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 股市的常用预测方法 | 第10-11页 |
| 1.2.2 支持向量机在股市的研究现状 | 第11-12页 |
| 1.3 研究内容和组织安排 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 组织安排 | 第12-13页 |
| 1.4 本文研究方法和创新点 | 第13-15页 |
| 1.4.1 研究方法 | 第13-14页 |
| 1.4.2 可能的创新点 | 第14-15页 |
| 第二章 统计学习理论 | 第15-26页 |
| 2.1 主成分分析 | 第15-17页 |
| 2.1.1 主成分分析基本思想 | 第15-16页 |
| 2.1.2 主成分分析的数学模型 | 第16-17页 |
| 2.1.3 主成分特点 | 第17页 |
| 2.2 支持向量机算法 | 第17-23页 |
| 2.2.1 支持向量机(SVM)概述 | 第17-18页 |
| 2.2.2 支持向量机基本原理 | 第18-22页 |
| 2.2.3 核函数 | 第22-23页 |
| 2.3 交叉验证法和网格搜索寻优 | 第23-26页 |
| 第三章 股市技术分析 | 第26-34页 |
| 3.1 技术分析理论 | 第26-28页 |
| 3.1.1 技术分析基础 | 第26-27页 |
| 3.1.2 技术分析的特点及优势 | 第27-28页 |
| 3.2 常见技术指标及其应用 | 第28-34页 |
| 第四章 基于SVM的模型实证研究 | 第34-41页 |
| 4.1 数据选取与标准化处理 | 第34-36页 |
| 4.2 主成分降维 | 第36-38页 |
| 4.3 基于Grid-SVM模型的构建分析 | 第38页 |
| 4.4 基于Grid-SVM模型的上证50指数预测分析 | 第38-41页 |
| 第五章 总结与展望 | 第41-42页 |
| 5.1 总结 | 第41页 |
| 5.2 未来研究展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 攻读硕士学位期间发表的论文 | 第46页 |