| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究目标和意义 | 第8-9页 |
| 1.2.1 研究目标 | 第8页 |
| 1.2.2 研究意义 | 第8-9页 |
| 1.3 国内外研究综述 | 第9-12页 |
| 1.3.1 量化投资领域机器学习研究现状 | 第9-10页 |
| 1.3.2 AdaBoost研究综述 | 第10-11页 |
| 1.3.3 特征工程研究综述 | 第11-12页 |
| 1.4 研究方法和技术路线 | 第12-13页 |
| 1.4.1 研究方法 | 第12页 |
| 1.4.2 技术路线 | 第12-13页 |
| 1.5 研究内容与框架 | 第13页 |
| 1.5.1 研究内容 | 第13页 |
| 1.5.2 研究框架 | 第13页 |
| 1.6 研究创新 | 第13-15页 |
| 第2章 理论与方法基础 | 第15-25页 |
| 2.1 量化投资 | 第15-18页 |
| 2.1.1 量化投资的简介 | 第15页 |
| 2.1.2 量化投资的主要方法 | 第15-17页 |
| 2.1.3 机器学习与传统量化的比较 | 第17页 |
| 2.1.4 量化交易的实现与评估 | 第17-18页 |
| 2.2 特征工程 | 第18-20页 |
| 2.2.1 特征工程的含义 | 第18页 |
| 2.2.2 特征工程的内容 | 第18-19页 |
| 2.2.3 特征选择的方法 | 第19-20页 |
| 2.3 机器学习 | 第20-25页 |
| 2.3.1 机器学习概述 | 第20-21页 |
| 2.3.2 统计学习理论 | 第21-23页 |
| 2.3.3 集成学习 | 第23-25页 |
| 第3章 基于随机森林的特征选择 | 第25-28页 |
| 3.1 随机森林的基本思想 | 第25页 |
| 3.2 随机森林的算法理论 | 第25-27页 |
| 3.2.1 收敛性 | 第25-26页 |
| 3.2.2 参数选择 | 第26-27页 |
| 3.3 随机森林的特征重要性测度 | 第27-28页 |
| 3.3.1 特征重要性的测度 | 第27页 |
| 3.3.2 算法设计 | 第27-28页 |
| 第4章 AdaBoost算法的改进研究 | 第28-41页 |
| 4.1 AdaBoost原算法 | 第28-31页 |
| 4.1.1 AdaBoost学习算法 | 第28-29页 |
| 4.1.2 AdaBoost算法证明 | 第29-30页 |
| 4.1.3 AdaBoost算法特点 | 第30-31页 |
| 4.2 样本初始权重的预处理 | 第31-33页 |
| 4.3 样本权值更新的抑制 | 第33-35页 |
| 4.3.1 Hurst指数 | 第33-35页 |
| 4.3.2 基于Hurst指数的权值抑制 | 第35页 |
| 4.4 基于软间隔的弱分类器权重调整 | 第35-39页 |
| 4.4.1 间隔理论 | 第35-37页 |
| 4.4.2 AdaBoost的间隔定义 | 第37-38页 |
| 4.4.3 AdaBoost的间隔软化 | 第38-39页 |
| 4.4.4 基于软间隔的改进算法 | 第39页 |
| 4.5 AdaBoost算法改进综述 | 第39-41页 |
| 第5章 基于AdaBoost改进算法的交易策略研究 | 第41-59页 |
| 5.1 交易策略概述 | 第41-45页 |
| 5.1.1 量化交易策略 | 第41-42页 |
| 5.1.2 交易市场和投资标的 | 第42-44页 |
| 5.1.3 基于AdaBoost-EHS的交易策略设计 | 第44-45页 |
| 5.2 数据准备 | 第45-48页 |
| 5.2.1 弱分类器数据指标化处理 | 第45-46页 |
| 5.2.2 目标变量的定义 | 第46-48页 |
| 5.3 特征选择 | 第48-52页 |
| 5.3.1 参数寻优 | 第48-50页 |
| 5.3.2 特征选择 | 第50-52页 |
| 5.4 模型训练 | 第52-54页 |
| 5.4.1 滚动预测 | 第52-53页 |
| 5.4.2 极值求解算法实现 | 第53-54页 |
| 5.4.3 模型训练结果 | 第54页 |
| 5.5 回溯测试 | 第54-59页 |
| 5.5.1 单品种的绩效表现 | 第54-56页 |
| 5.5.2 多品种的普适性测试 | 第56-57页 |
| 5.5.3 投资组合测试 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 研究总结 | 第59页 |
| 6.2 研究展望 | 第59-60页 |
| 6.3 研究建议 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-72页 |
| 在校期间科研成果 | 第72-73页 |
| 致谢 | 第73页 |