基于互联网金融背景下证券投资策略研究--以余额宝为例
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第12-17页 |
| 1.1 论文研究的背景和意义 | 第12页 |
| 1.2 国内外理论与应用研究现状 | 第12-15页 |
| 1.2.1 互联网金融研究综述 | 第12-13页 |
| 1.2.2 大数据研究现状 | 第13-14页 |
| 1.2.3 余额宝收益率和风险控制研究现状 | 第14-15页 |
| 1.3 本文的研究内容、方法与结构安排 | 第15-16页 |
| 1.3.1 研究内容与方法 | 第15页 |
| 1.3.2 本文的结构安排 | 第15-16页 |
| 1.4 本文的创新之处 | 第16-17页 |
| 2 基本理论 | 第17-19页 |
| 2.1 相关概念介绍 | 第17页 |
| 2.1.1 互联网金融的界定 | 第17页 |
| 2.1.2 余额宝收益率概念 | 第17页 |
| 2.2 证券投资策略基本理论及方法 | 第17-18页 |
| 2.2.1 证券投资的定义 | 第17-18页 |
| 2.2.2 证券投资常用策略与方法 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 大数据方法在证券投资策略的应用研究 | 第19-44页 |
| 3.1 机构热门推荐 | 第19-22页 |
| 3.2 热股策略回测展示 | 第22-29页 |
| 3.3 SHARPE策略选股 | 第29-36页 |
| 3.4 RoMad策略选股 | 第36-38页 |
| 3.5 A股板块热度的文本挖掘 | 第38-43页 |
| 3.5.1 热门概念 | 第38-42页 |
| 3.5.2 热门行业 | 第42页 |
| 3.5.3 热门省域 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 余额宝收益率影响因素和预测的实证分析 | 第44-53页 |
| 4.1 余额宝数据的选取 | 第44页 |
| 4.2 EMD方法简介 | 第44-45页 |
| 4.3 EMD方法的实证分析 | 第45-51页 |
| 4.3.1 基本态势 | 第45-46页 |
| 4.3.2 正态性检验 | 第46-47页 |
| 4.3.3 平稳性检验 | 第47页 |
| 4.3.4 EMD分解结果 | 第47-49页 |
| 4.3.5 ARMA模型预测 | 第49-51页 |
| 4.4 余额宝收益率影响因素分析 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 互联网金融背景下证券投资的风险控制 | 第53-60页 |
| 5.1 风险类别 | 第53-54页 |
| 5.2 互联网金融背景下证券投资的风险控制模型 | 第54-59页 |
| 5.2.1 马柯维茨均值-方差模型 | 第54-57页 |
| 5.2.2 风险价值VaR模型 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 不足与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间科研成果 | 第65-66页 |
| 致谢 | 第66页 |
