| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 股票交易价格预测的关键性问题及本文方法 | 第18-28页 |
| 2.1 股票交易价格预测面临的关键问题 | 第18-20页 |
| 2.2 股票交易价格预测的影响因素 | 第20-22页 |
| 2.3 已有的股票交易价格预测分析方法 | 第22-24页 |
| 2.4 本文的股票交易价格波动规律预测方法 | 第24-26页 |
| 2.5 预测性能评价指标 | 第26-27页 |
| 2.6 总结 | 第27-28页 |
| 第三章 基于深度学习的特征提取 | 第28-36页 |
| 3.1 深度学习算法 | 第28-31页 |
| 3.2 特征表示与特征处理 | 第31-33页 |
| 3.3 实验验证 | 第33-35页 |
| 3.4 总结 | 第35-36页 |
| 第四章 基于Ada Boost提升算法的支持向量机算法与BP人工神经网络算法的融合 | 第36-57页 |
| 4.1 支持向量机 | 第36-43页 |
| 4.1.1 线性可分支持向量机 | 第36-40页 |
| 4.1.2 线性支持向量机算法与软间隔距离最大化 | 第40-41页 |
| 4.1.3 非线性支持向量机与核函数 | 第41-43页 |
| 4.2 BP神经网络算法 | 第43-49页 |
| 4.2.1 搭建BP人工神经网络算法模型 | 第44-46页 |
| 4.2.2 训练BP人工神经网络算法 | 第46-48页 |
| 4.2.3 BP人工神经网络算法中存在的不足 | 第48-49页 |
| 4.3 AdaBoost提升算法 | 第49-52页 |
| 4.4 实验验证 | 第52-56页 |
| 4.4.1 10重交叉验证试验结果 | 第52-55页 |
| 4.4.2 Leave-One-Out交叉验证试验结果 | 第55-56页 |
| 4.5 总结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简介及在学期间所取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |