基于支持向量机的中国股票价格研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·股票价格预测的研究现状 | 第11-12页 |
| ·SVM 在金融预测中的应用研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| ·本文主要结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 股票市场预测理论 | 第16-19页 |
| ·股票市场的基本指标 | 第16-17页 |
| ·股票价格 | 第16页 |
| ·股票价格指数 | 第16-17页 |
| ·股票市场的分析方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 支持向量机原理 | 第19-25页 |
| ·支持向量机的基础 | 第19-21页 |
| ·机器学习 | 第19页 |
| ·经验风险最小化 | 第19页 |
| ·统计学习理论 | 第19-21页 |
| ·支持向量机 | 第21-24页 |
| ·最优分类面与支持向量 | 第21-22页 |
| ·支持向量分类机 | 第22-23页 |
| ·支持向量回归机 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 基于改进 SVM 的股价预测模型构建 | 第25-36页 |
| ·模型建立总体思想 | 第25-27页 |
| ·针对股市时间序列的复杂性特征分析 | 第25页 |
| ·针对 SVM 中的关键问题分析 | 第25-26页 |
| ·模型建立过程 | 第26-27页 |
| ·股市序列的重构 | 第27-31页 |
| ·混沌理论 | 第27-29页 |
| ·相空间重构理论 | 第29-30页 |
| ·股价序列预测模型中的相空间重构 | 第30-31页 |
| ·粒子群算法优化 SVM 参数 | 第31-33页 |
| ·标准粒子群算法 | 第31-32页 |
| ·基于 PSO 的 SVM 参数优化算法 | 第32-33页 |
| ·混合核函数的构造 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 预测模型的实证研究 | 第36-50页 |
| ·实验工具 | 第36页 |
| ·实验数据 | 第36-37页 |
| ·模型评价指标 | 第37-38页 |
| ·数据预处理 | 第38-40页 |
| ·归一化处理 | 第38-39页 |
| ·奇异值降噪 | 第39-40页 |
| ·相空间重构 | 第40-42页 |
| ·混沌性判断 | 第42-44页 |
| ·参数优化 | 第44-45页 |
| ·选择核函数 | 第45-49页 |
| ·单独核函数 SVM | 第45-47页 |
| ·混合核函数 | 第47-49页 |
| ·模型最终预测结果 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文主要工作及结论 | 第50页 |
| ·未来展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论著 | 第55-56页 |
| 致谢 | 第56页 |
