| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状综述 | 第11-16页 |
| 1.2.1 股票市场预测研究现状 | 第11-13页 |
| 1.2.2 新闻与股票市场预测研究现状 | 第13-14页 |
| 1.2.3 新闻情感倾向与股票市场预测研究现状 | 第14-16页 |
| 1.3 研究内容与方法 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法 | 第17-19页 |
| 第2章 相关理论评述 | 第19-28页 |
| 2.1 股票预测分析原理 | 第19-20页 |
| 2.1.1 基本面分析 | 第19页 |
| 2.1.2 技术面分析 | 第19-20页 |
| 2.2 财经新闻对股票市场产生影响的理论基础 | 第20-22页 |
| 2.2.1 有效市场假说 | 第20-21页 |
| 2.2.2 行为金融学理论 | 第21-22页 |
| 2.3 情感词典 | 第22-23页 |
| 2.4 支持向量回归 | 第23-27页 |
| 2.4.1 支持向量回归原理 | 第24-26页 |
| 2.4.2 核函数的选择 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第3章 基于情感词典权重改进的财经新闻情感倾向值计算 | 第28-36页 |
| 3.1 财经新闻情感倾向值计算框架 | 第28-29页 |
| 3.2 基于情感词典权重改进的财经新闻词汇情感值计算 | 第29-34页 |
| 3.2.1 情感词典的构建 | 第29-32页 |
| 3.2.2 基于情感词典权重改进的新闻词汇情感值计算 | 第32-34页 |
| 3.3 财经新闻情感倾向值指标的量化 | 第34-35页 |
| 本章小结 | 第35-36页 |
| 第4章 基于财经新闻情感倾向值的股票价格预测 | 第36-47页 |
| 4.1 股票价格预测框架 | 第36-37页 |
| 4.2 财经新闻情感倾向值和股票关键指标特征向量的融合 | 第37-40页 |
| 4.2.1 股票关键指标选取及定义 | 第37-39页 |
| 4.2.2 两类特征向量的融合 | 第39-40页 |
| 4.3 基于改进粒子群算法的SVR参数优化 | 第40-44页 |
| 4.3.1 PSO算法的基本概念和流程 | 第40-42页 |
| 4.3.2 基于改进 PSO 算法的 SVR 参数优化 | 第42-44页 |
| 4.4 基于改进 PSO-SVR 的股票价格预测模型建立 | 第44-46页 |
| 本章小结 | 第46-47页 |
| 第5章 实验过程及结果分析 | 第47-64页 |
| 5.1 数据来源及处理 | 第47-49页 |
| 5.1.1 财经新闻文本数据 | 第47-48页 |
| 5.1.2 股票交易数据 | 第48-49页 |
| 5.2 实验设计及评估指标 | 第49-51页 |
| 5.3 财经新闻情感倾向值量化实验过程及结果分析 | 第51-53页 |
| 5.4 个股股票价格预测实验过程及结果分析 | 第53-63页 |
| 5.4.1 实验过程 | 第53-56页 |
| 5.4.2 基于情感词典权重改进的新闻情感倾向值的股票价格预测 | 第56-58页 |
| 5.4.3 基于情感词典的新闻情感倾向值的股票价格预测 | 第58-59页 |
| 5.4.4 基于股票关键指标的股票价格预测 | 第59-61页 |
| 5.4.5 模型在不同个股股票上的泛化能力 | 第61-63页 |
| 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-67页 |
| 6.1 全文总结及创新点 | 第64-65页 |
| 6.2 研究展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第73页 |
