基于数据挖掘的量化交易策略模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第9-14页 |
| 1.1 选题背景和研究意义 | 第9页 |
| 1.2 研究内容、研究方法以及研究框架 | 第9-11页 |
| 1.2.1 研究内容 | 第9-10页 |
| 1.2.2 研究方法 | 第10-11页 |
| 1.2.3 研究框架 | 第11页 |
| 1.3 创新之处 | 第11-12页 |
| 1.4 文献综述 | 第12-14页 |
| 1.4.1 国外文献综述 | 第12页 |
| 1.4.2 国内文献综述 | 第12-13页 |
| 1.4.3 数据挖掘在股票投资中应用 | 第13-14页 |
| 2.量化交易的基本概念和历史发展 | 第14-20页 |
| 2.1 量化交易基本概念 | 第14-15页 |
| 2.1.1 量化交易概述 | 第14页 |
| 2.1.2 量化交易的优越性 | 第14-15页 |
| 2.2 量化交易的历史与现状 | 第15-17页 |
| 2.2.1 国外的历史与现状 | 第15-16页 |
| 2.2.2 国内量化交易的历史和现状 | 第16-17页 |
| 2.3 常见的量化交易平台介绍 | 第17-18页 |
| 2.4 量化交易策略概述 | 第18-19页 |
| 2.5 所选股票概述 | 第19-20页 |
| 3.量化交易策略的Probit模型研究 | 第20-27页 |
| 3.1 Probit方法介绍 | 第20-22页 |
| 3.1.1 二元Probit模型 | 第20页 |
| 3.1.2 多元Probit模型 | 第20-21页 |
| 3.1.3 参数的估计 | 第21-22页 |
| 3.2 利用Probit模型进行案例分析 | 第22-27页 |
| 3.2.1 划分训练集测试集 | 第22-23页 |
| 3.2.2 交叉验证 | 第23页 |
| 3.2.3 预测集分析结果 | 第23-27页 |
| 4.量化交易策略的贝叶斯网络方法 | 第27-33页 |
| 4.1 贝叶斯网络方法的介绍 | 第27-28页 |
| 4.1.1 贝叶斯网络理论 | 第27-28页 |
| 4.1.2 数学定义 | 第28页 |
| 4.2 利用贝叶斯模型进行案例分析 | 第28-33页 |
| 4.2.1 朴素贝叶斯分类器的定义 | 第28-29页 |
| 4.2.2 预测集分析结果 | 第29-33页 |
| 5.量化交易策略的支持向量机模型研究 | 第33-44页 |
| 5.1 支持向量机方法介绍 | 第33-37页 |
| 5.1.1 支持向量机方法论 | 第33-34页 |
| 5.1.2 数学表示及求解 | 第34-37页 |
| 5.2 利用支持向量机模型进行案例分析 | 第37-44页 |
| 5.2.1 划分训练集预测集 | 第37-38页 |
| 5.2.2 预测概率寻优 | 第38-40页 |
| 5.2.3 预测集分析结果 | 第40-42页 |
| 5.2.4 支持向量机方法的不足与建议 | 第42-44页 |
| 6.主要结论以及相应建议 | 第44-47页 |
| 6.1 三种模型对比结论 | 第44-45页 |
| 6.2 现有模型下的政策建议 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 本人在研究生期间的成果 | 第49-50页 |
| 致谢 | 第50页 |
