基于支持向量机的证券价格预测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8页 |
| ·证券价格预测方法研究现状 | 第8-12页 |
| ·证券投资分析法 | 第9页 |
| ·时间序列分析法 | 第9-10页 |
| ·人工神经网络方法 | 第10-12页 |
| ·支持向量机方法 | 第12页 |
| ·基于支持向量机的证券价格预测的优势及存在问题 | 第12-13页 |
| ·基于支持向量机的证券价格预测的优势 | 第13页 |
| ·存在问题及不足 | 第13页 |
| ·本文的主要工作和基本结构 | 第13-15页 |
| 2 理论基础 | 第15-23页 |
| ·统计学习理论 | 第15-17页 |
| ·经验风险最小化原则和结构风险最小化原则 | 第15-16页 |
| ·VC维 | 第16页 |
| ·核函数 | 第16-17页 |
| ·支持向量机理论 | 第17-21页 |
| ·支持向量分类机 | 第17-20页 |
| ·支持向量回归机 | 第20-21页 |
| ·粗糙集理论 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于层级支持向量机的证券价格预测 | 第23-33页 |
| ·引言 | 第23页 |
| ·层级支持向量机模型 | 第23-28页 |
| ·变量选择方法 | 第24-27页 |
| ·核函数 | 第27页 |
| ·模型评价指标 | 第27-28页 |
| ·实证研究 | 第28-32页 |
| ·样本选取 | 第28-29页 |
| ·证券价格预测 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于支持向量机的证券价格组合预测 | 第33-41页 |
| ·引言 | 第33页 |
| ·现有组合预测方法及其优缺点 | 第33-34页 |
| ·组合预测模型 | 第34-37页 |
| ·线性支持向量机与非线性支持向量机组合模型 | 第34-35页 |
| ·组合核支持向量机模型 | 第35-37页 |
| ·实证研究 | 第37-40页 |
| ·线性支持向量机和非线性支持向量机组合模型 | 第37-38页 |
| ·组合核支持向量机模型 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 支持向量机的规则提取 | 第41-47页 |
| ·引言 | 第41-42页 |
| ·基于粗糙集的支持向量机规则提取 | 第42-43页 |
| ·实证研究 | 第43-46页 |
| ·样本选取 | 第43页 |
| ·建立支持向量机模型 | 第43-44页 |
| ·规则提取 | 第44-45页 |
| ·结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-48页 |
| ·总结 | 第47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录A 层级支持向量机实证结果 | 第51-54页 |
| 附录B 组合预测实证结果 | 第54-56页 |
| 附录C 规则提取的实证结果 | 第56-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
