基于支持向量机的对优质股票选取的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景及研究意义 | 第7-8页 |
| ·研究背景 | 第7页 |
| ·研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·股市预测的发展状况 | 第8-10页 |
| ·支持向量机的研究动态 | 第10-11页 |
| ·相关概念的界定 | 第11-12页 |
| ·财务报告舞弊概念的界定 | 第11页 |
| ·优质股票概念的界定 | 第11-12页 |
| ·本文的研究内容及结构安排 | 第12-14页 |
| 第二章 文献综述 | 第14-22页 |
| ·财务舞弊识别的国内外现状研究 | 第14-18页 |
| ·国内财务舞弊识别的现状研究 | 第14-16页 |
| ·国外财务舞弊识别的现状研究 | 第16-17页 |
| ·针对财务舞弊识别方法不足的改进研究 | 第17-18页 |
| ·股票选取的国内外研究现状 | 第18-22页 |
| ·有效市场理论介绍 | 第18-19页 |
| ·国内股票选取的研究现状 | 第19-20页 |
| ·国外股票选取的研究现状 | 第20-22页 |
| 第三章 支持向量机理论研究 | 第22-40页 |
| ·传统机器学习理论 | 第22页 |
| ·统计学习理论的核心内容 | 第22-24页 |
| ·支持向量机分类原理 | 第24-35页 |
| ·支持向量机分类的核心思想 | 第24-25页 |
| ·线性可分 | 第25-30页 |
| ·线性不可分 | 第30-33页 |
| ·非线性可分 | 第33-35页 |
| ·支持向量机核函数 | 第35-36页 |
| ·支持向量机对非平衡数据的处理 | 第36-39页 |
| ·非平衡数据的简要介绍 | 第36-37页 |
| ·非平衡数据的算法 | 第37-38页 |
| ·支持向量机在不平衡数据集处理中的改进 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 财务报告舞弊识别 SVM 模型的构建 | 第40-60页 |
| ·数据来源 | 第40页 |
| ·样本的选择及样本的描述性统计 | 第40-44页 |
| ·实证研究的样本选择 | 第40-42页 |
| ·研究样本的描述性统计 | 第42-43页 |
| ·实证研究控制样本的选取 | 第43-44页 |
| ·财务指标的选取 | 第44-47页 |
| ·财务指标的初步选取 | 第44-46页 |
| ·财务指标的确定—配对样本的曼-惠特尼 U 检验 | 第46-47页 |
| ·核函数的选取 | 第47页 |
| ·实证分析 | 第47-59页 |
| ·舞弊样本选取 | 第47-48页 |
| ·控制样本选取 | 第48-54页 |
| ·财务指标的曼-惠特尼 U 检验结果 | 第54页 |
| ·不平衡数据解决方案 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 优质股票选取 SVM 模型的构建 | 第60-71页 |
| ·确定个股类别 | 第60-66页 |
| ·财务指标的选取 | 第60页 |
| ·原始数据标准化 | 第60-64页 |
| ·聚类分析 | 第64-66页 |
| ·核函数的选取及参数的寻优 | 第66-68页 |
| ·预测结果及数据分析 | 第68-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·研究总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78页 |
