基于箱体理论的PLR-SVR股票交易点预测
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1.绪论 | 第8-18页 |
| 1.1 研究背景和研究意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 股票预测概括 | 第10-11页 |
| 1.2.2 机器学习算法在股票预测的应用 | 第11-14页 |
| 1.3 研究内容及结构安排 | 第14-18页 |
| 1.4.1 研究内容与创新点 | 第15-16页 |
| 1.4.2 结构安排 | 第16页 |
| 1.4.3 技术路线 | 第16-18页 |
| 2 理论基础 | 第18-35页 |
| 2.1 箱体理论 | 第18-19页 |
| 2.2 分段线性表示法(PLR) | 第19-22页 |
| 2.2.1 PLR切分方式 | 第20-21页 |
| 2.2.2 PLR切分标准 | 第21页 |
| 2.2.3 PLR拟合方式 | 第21-22页 |
| 2.3 统计学习理论 | 第22-24页 |
| 2.3.1 统计学习理论研究内容 | 第22-23页 |
| 2.3.2 学习一致性及条件 | 第23-24页 |
| 2.4 支持向量机 | 第24-31页 |
| 2.4.1 构造线性可分超平面 | 第25-29页 |
| 2.4.2 非线性可分支持向量机 | 第29-30页 |
| 2.4.3 核函数 | 第30-31页 |
| 2.5 支持向量回归机 | 第31-34页 |
| 2.5.1 支持向量回归机思想 | 第31-32页 |
| 2.5.2 线性支持向量回归 | 第32-33页 |
| 2.5.3 非线性支持向量回归 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3.PLR-SVR股票交易系统 | 第35-46页 |
| 3.1 股价数据切分 | 第35-38页 |
| 3.1.1 PLR法切分股价序列 | 第35-37页 |
| 3.1.2 分段线性插值法去噪 | 第37-38页 |
| 3.2 股票预测模型 | 第38-42页 |
| 3.2.1 模型原理 | 第38-39页 |
| 3.2.2 特征选取 | 第39-40页 |
| 3.2.3 移动滑窗划分数据集 | 第40-41页 |
| 3.2.4 股票预测模型 | 第41-42页 |
| 3.3 股票交易系统 | 第42-45页 |
| 3.3.1 股票交易策略 | 第42-43页 |
| 3.3.2 股票交易决策模型 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4.数值实验 | 第46-52页 |
| 4.1 数据来源 | 第46-47页 |
| 4.2 实验方案以及参数设定 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52页 |
| 5.2 存在的问题和未来研究方向 | 第52-54页 |
| 附录 | 第54-69页 |
| 参考文献 | 第69-73页 |
| 后记 | 第73-74页 |
