时间序列模型在股票价格预测中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 符号说明 | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 研究意义 | 第10页 |
| 1.4 问题提出 | 第10-11页 |
| 第2章 数据描述 | 第11-14页 |
| 2.1 数据来源 | 第11-12页 |
| 2.2 数据的预处理 | 第12页 |
| 2.3 建模数据的说明 | 第12-14页 |
| 第3章 理论基础 | 第14-21页 |
| 3.1 ARIMA模型 | 第14-17页 |
| 3.1.1 平稳时间序列模型 | 第14页 |
| 3.1.2 非平稳时间序列模型 | 第14-15页 |
| 3.1.3 ARIMA模型中的常数项 | 第15页 |
| 3.1.4 模型预测 | 第15-16页 |
| 3.1.5 ARIMA预测的更新 | 第16-17页 |
| 3.2 Logistic回归模型 | 第17-21页 |
| 3.2.1 Logistic分布的定义 | 第17页 |
| 3.2.2 建立模型 | 第17-18页 |
| 3.2.3 参数估计 | 第18-19页 |
| 3.2.4 回归系数的显著性检验 | 第19页 |
| 3.2.5 模型预测性能评价 | 第19-21页 |
| 第4章 建立ARIMA模型 | 第21-28页 |
| 4.1 模型识别 | 第21-23页 |
| 4.2 参数估计 | 第23-24页 |
| 4.3 模型诊断 | 第24-25页 |
| 4.4 模型预测 | 第25-26页 |
| 4.5 ARIMA预测的更新 | 第26页 |
| 4.6 模型评价 | 第26-28页 |
| 第5章 建立Logi stic回归模型 | 第28-35页 |
| 5.1 模型建立 | 第28-30页 |
| 5.2 模型诊断：拟合优度的测度 | 第30-31页 |
| 5.3 模型预测 | 第31-32页 |
| 5.4 模型性能评价 | 第32-35页 |
| 5.4.1 分类矩阵评价方法 | 第32-33页 |
| 5.4.2 AUC评价方法 | 第33-35页 |
| 第6章 总结 | 第35-37页 |
| 6.1 主要结论 | 第35页 |
| 6.2 本文创新点 | 第35-36页 |
| 6.3 改进意见 | 第36-37页 |
| 附录 | 第37-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43页 |
