基于改进支持向量回归机的股价预测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.2.3 文献评述 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 股票价格预测相关知识 | 第15-18页 |
| 2.1 股票的概念及其影响因素 | 第15页 |
| 2.2 股票价格预测的常用指标 | 第15-16页 |
| 2.3 股票价格预测的基本方法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 支持向量回归机算法 | 第18-24页 |
| 3.1 支持向量机理论 | 第18-20页 |
| 3.1.1 支持向量机基本原理 | 第18-19页 |
| 3.1.2 核函数 | 第19-20页 |
| 3.2 支持向量回归机理论 | 第20-22页 |
| 3.3 支持向量回归机参数选择问题 | 第22-23页 |
| 3.3.1 核参数σ | 第22页 |
| 3.3.2 惩罚因子C | 第22页 |
| 3.3.3 不敏感系数ε | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 4 基于改进的支持向量回归机股价预测模型 | 第24-35页 |
| 4.1 线性局部切空间排列算法 | 第24-27页 |
| 4.1.1 流形学习 | 第24-25页 |
| 4.1.2 LLTSA算法基本原理 | 第25-27页 |
| 4.2 遗传算法 | 第27-29页 |
| 4.2.1 遗传算法参数寻优 | 第27-29页 |
| 4.3 基于LLTSA的GA-SVR模型 | 第29-34页 |
| 4.3.1 模型预测流程 | 第29-33页 |
| 4.3.2 SVR参数范围确定 | 第33-34页 |
| 4.3.3 GA参数范围确定 | 第34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 股票价格预测的实验和结果分析 | 第35-61页 |
| 5.1 数据样本选取及预处理 | 第35-38页 |
| 5.1.1 数据样本选取 | 第35-38页 |
| 5.1.2 数据预处理 | 第38页 |
| 5.2 基于LLTSA的GA-SVR股价预测实验 | 第38-40页 |
| 5.2.1 实验环境 | 第38页 |
| 5.2.2 参数设置 | 第38-39页 |
| 5.2.3 评价指标 | 第39页 |
| 5.2.4 遗传算法寻优 | 第39页 |
| 5.2.5 实验结果 | 第39-40页 |
| 5.3 不同特征提取选择方法的对比评估 | 第40-51页 |
| 5.3.1 2012到2013年对比评估 | 第41-46页 |
| 5.3.2 2014到2015年对比评估 | 第46-51页 |
| 5.3.3 结果分析 | 第51页 |
| 5.4 不同预测模型的对比评估 | 第51-60页 |
| 5.4.1 2012到2013年对比评估 | 第51-56页 |
| 5.4.2 2014到2015年对比评估 | 第56-60页 |
| 5.4.3 结果分析 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 论文展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |
| A. 作者在攻读学位期间完成的论文目录 | 第67页 |
