| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的应用背景 | 第8页 |
| 1.2 股市预测的发展概况 | 第8-11页 |
| 1.3 支持向量机简介 | 第11-12页 |
| 1.4 本文的主要内容 | 第12页 |
| 1.5 本文结构安排 | 第12-13页 |
| 第2章 股市知识的准备 | 第13-27页 |
| 2.1 引言 | 第13-14页 |
| 2.1.1 我国股票市场的发展 | 第13页 |
| 2.1.2 进行股票投资分析的必要性 | 第13-14页 |
| 2.2 股票市场的研究方法 | 第14-16页 |
| 2.2.1 基本面分析 | 第14-15页 |
| 2.2.2 技术分析法 | 第15页 |
| 2.2.3 数量分析方法 | 第15-16页 |
| 2.3 股市常用术语 | 第16页 |
| 2.4 股票指数介绍 | 第16-18页 |
| 2.5 企业财务指标 | 第18-19页 |
| 2.6 技术指标简介 | 第19-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 统计学习理论与支持向量机 | 第27-47页 |
| 3.1 机器学习 | 第27-29页 |
| 3.2 统计学习理论 | 第29-33页 |
| 3.2.1 经验风险最小化原则 | 第29-30页 |
| 3.2.2 VC(Vapnik-Cheronenkis)维 | 第30-31页 |
| 3.2.3 结构风险最小化原则 | 第31-33页 |
| 3.3 标准支持向量分类机 | 第33-41页 |
| 3.3.1 线性可分问题 | 第34-36页 |
| 3.3.2 近似线性可分问题 | 第36-39页 |
| 3.3.3 线性不可分问题 | 第39-41页 |
| 3.4 支持向量回归学习机 | 第41-46页 |
| 3.4.1 回归问题 | 第42-44页 |
| 3.4.1.1 回归问题 | 第42-43页 |
| 3.4.1.2 ε-不敏感损失函数和ε-带 | 第43-44页 |
| 3.4.2 支持向量回归机 | 第44-46页 |
| 3.5 小结 | 第46-47页 |
| 第4章 股市走势的预测 | 第47-68页 |
| 4.1 引言 | 第47-49页 |
| 4.2 样本的选取 | 第49页 |
| 4.3 预测参数的选取 | 第49-58页 |
| 4.3.1 预测参数选择引言 | 第49-50页 |
| 4.3.2 预测指标选择策略 | 第50-54页 |
| 4.3.3 预测指标选择的数学方法 | 第54-58页 |
| 4.4 数据预处理 | 第58-62页 |
| 4.4.1 数据标准化与与参数选择关系 | 第60-61页 |
| 4.4.2 数据标准化与模型选择的关系 | 第61-62页 |
| 4.5 核函数形式的选择 | 第62-63页 |
| 4.6 模型选择 | 第63-67页 |
| 4.6.1 核函数参数与预测效果的关系 | 第63-65页 |
| 4.6.2 k -折交叉确认 | 第65-67页 |
| 4.7 本章小节 | 第67-68页 |
| 第5章 股票价格预测 | 第68-78页 |
| 5.1 用支持向量回归机进行股市预测的步骤 | 第68页 |
| 5.2 股市预测实验和结果分析 | 第68-74页 |
| 5.2.1 首先进行回归预测 | 第68-73页 |
| 5.2.2 回归预测与分类预测的关系 | 第73-74页 |
| 5.3 逐点预测 | 第74-76页 |
| 5.4 个股预测 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 与神经网络方法的比较 | 第78-81页 |
| 6.1 在股市走势预测的比较 | 第78-79页 |
| 6.2 在股票价格预测的比较 | 第79-80页 |
| 6.3 本章小结 | 第80-81页 |
| 结束语 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86页 |