摘要 | 第4-6页 |
Abstract | 第6-7页 |
主要符号表 | 第15-16页 |
1 绪论 | 第16-33页 |
1.1 时间序列研究概述 | 第16-22页 |
1.1.1 时间序列分析的背景及意义 | 第16页 |
1.1.2 时间序列分析的发展过程 | 第16-22页 |
1.2 时间序列相关问题的研究现状 | 第22-30页 |
1.2.1 时间序列分割的研究现状 | 第22-24页 |
1.2.2 商业周期的研究现状 | 第24-27页 |
1.2.3 期货交易的研究现状 | 第27-30页 |
1.3 本文的研究内容 | 第30-33页 |
2 预备知识 | 第33-43页 |
2.1 信息粒介绍 | 第33-35页 |
2.2 关联分析介绍 | 第35-38页 |
2.2.1 关联分析的基本概念 | 第36页 |
2.2.2 关联规则的度量指标 | 第36-38页 |
2.3 交易开拓者软件介绍 | 第38-43页 |
3 基于动态因子模型的多元时间序列的分割研究 | 第43-64页 |
3.1 引言 | 第43-44页 |
3.2 基于动态因子模型的多元时间序列分割方法 | 第44-56页 |
3.2.1 基本概念 | 第44-46页 |
3.2.2 提出的多元时间序列的分割方法 | 第46-56页 |
3.3 实验分析 | 第56-63页 |
3.3.1 合成多元时间序列的分割 | 第56页 |
3.3.2 多元水文气象时间序列的分割 | 第56-63页 |
3.4 本章小结 | 第63-64页 |
4 商业周期综合指标的构造及拐点分析 | 第64-76页 |
4.1 引言 | 第64-65页 |
4.2 基于信息粒化和动态时间规整的商业周期综合指标构造方法 | 第65-70页 |
4.2.1 动态时间规整 | 第65-66页 |
4.2.2 提出的综合指标的构造方法 | 第66-70页 |
4.3 实验分析 | 第70-75页 |
4.3.1 实验数据介绍 | 第70-71页 |
4.3.2 拐点分析 | 第71-75页 |
4.4 本章小结 | 第75-76页 |
5 基于拐点分析的期货交易策略 | 第76-93页 |
5.1 引言 | 第76-77页 |
5.2 基于拐点分析的期货交易策略构造方法 | 第77-83页 |
5.2.1 关联规则挖掘 | 第77-82页 |
5.2.2 TB交易策略的构建与评估 | 第82-83页 |
5.3 实验分析 | 第83-91页 |
5.3.1 实验数据介绍 | 第83-85页 |
5.3.2 实验过程 | 第85-91页 |
5.4 本章小结 | 第91-93页 |
6 结论与展望 | 第93-96页 |
6.1 结论 | 第93-94页 |
6.2 创新点 | 第94页 |
6.3 展望 | 第94-96页 |
参考文献 | 第96-104页 |
攻读博士学位期间科研项目及科研成果 | 第104-106页 |
致谢 | 第106-108页 |
作者简介 | 第108页 |