基于支持向量机的金融时间序列预测
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-9页 |
| ·课题提出的现状 | 第8-9页 |
| ·课题的研究内容及组织结构 | 第9页 |
| ·研究内容 | 第9页 |
| ·组织结构 | 第9页 |
| 2 条件异方差模型 | 第9-13页 |
| ·条件异方差模型的定义 | 第9-11页 |
| ·ARCH 模型的定义及其统计特性 | 第9-10页 |
| ·GARCH 模型的定义 | 第10-11页 |
| ·条件异方差模型的建立 | 第11-13页 |
| ·ARCH 效应的检验 | 第11页 |
| ·GARCH 模型的定阶和参数估计 | 第11-12页 |
| ·GARCH 模型的适应性检验和预测 | 第12-13页 |
| 3 统计学习基本理论 | 第13-19页 |
| ·机器学习的基本知识 | 第13页 |
| ·机器学习的问题表示 | 第13页 |
| ·学习过程一致性的条件 | 第13-17页 |
| ·VC 维 | 第14-15页 |
| ·推广性的界 | 第15-16页 |
| ·结构风险最小化原则 | 第16-17页 |
| ·最优化理论 | 第17-18页 |
| ·Wolfe 对偶 | 第18-19页 |
| 4 支持向量机理论 | 第19-28页 |
| ·基于二次规划的支持向量机分类 | 第19-23页 |
| ·线性可分情况 | 第19-21页 |
| ·线性不可分情况 | 第21-23页 |
| ·线性规划下的一类分类算法 | 第23-25页 |
| ·支持向量回归算法 | 第25-28页 |
| 5 实证分析 | 第28-33页 |
| ·引言 | 第28-29页 |
| ·实验数据的选取及处理 | 第29页 |
| ·数据的检验 | 第29-30页 |
| ·正态性检验 | 第29页 |
| ·单位根检验 | 第29-30页 |
| ·相关性检验 | 第30页 |
| ·基于条件异方差模型的预测 | 第30-32页 |
| ·基于AR(1)模型的预测 | 第30-31页 |
| ·基于条件异方差模型的预测 | 第31-32页 |
| ·基于支持向量回归的预测 | 第32-33页 |
| ·预测步骤 | 第32-33页 |
| ·建立预测模型 | 第33页 |
| ·实验结果及分析 | 第33页 |
| 6 结论与展望 | 第33-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |
