| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 股市拐点预测的难点分析 | 第18-19页 |
| 1.4 论文的主要工作及创新点 | 第19-20页 |
| 1.4.1 论文的主要工作 | 第19-20页 |
| 1.4.2 论文的创新点 | 第20页 |
| 1.5 课题来源及论文组织结构 | 第20-22页 |
| 1.5.1 课题来源 | 第20-21页 |
| 1.5.2 论文组织结构 | 第21-22页 |
| 第二章 基础理论概述 | 第22-31页 |
| 2.1 支持向量机 | 第22-26页 |
| 2.1.1 线性支持向量机 | 第22-24页 |
| 2.1.2 非线性支持向量机 | 第24-25页 |
| 2.1.3 支持向量机求解 | 第25-26页 |
| 2.2 贝叶斯网络 | 第26-28页 |
| 2.2.1 贝叶斯网络基础 | 第26-27页 |
| 2.2.2 贝叶斯网络结构学习 | 第27-28页 |
| 2.3 遗传算法 | 第28-29页 |
| 2.4 股票基础 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 一种混合加权支持向量机的股市拐点预测方法 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 MW-SVM模型 | 第32-35页 |
| 3.2.1 加权支持向量机(W-SVM)模型 | 第32页 |
| 3.2.2 KL散度 | 第32-33页 |
| 3.2.3 混合加权支持向量机(MW-SVM)模型 | 第33-34页 |
| 3.2.4 混合加权支持向量机模型分析 | 第34-35页 |
| 3.3 EMW-SVM算法 | 第35-40页 |
| 3.3.1 能量特征提取 | 第35-37页 |
| 3.3.2 拐点的马尔可夫毯 | 第37-39页 |
| 3.3.3 EMW-SVM算法步骤 | 第39页 |
| 3.3.4 模型参数优化 | 第39-40页 |
| 3.4 实验比较与分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 数据分布可变的概率投资组合模型 | 第44-54页 |
| 4.1 引言 | 第44-45页 |
| 4.2 概率投资组合模型(PPM) | 第45-46页 |
| 4.2.1 VaR方法 | 第45页 |
| 4.2.2 概率投资组合模型构造 | 第45页 |
| 4.2.3 PPM模型求解 | 第45-46页 |
| 4.3 概率投资组合模型算法(PPM算法) | 第46-47页 |
| 4.4 实验比较与分析 | 第47-53页 |
| 4.4.1 数据选取 | 第47页 |
| 4.4.2 数据处理 | 第47页 |
| 4.4.3 实验结果 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54页 |
| 5.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-61页 |