基于数据挖掘技术的证券投资研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 数据预处理与小波分析 | 第13-20页 |
| ·数据预处理 | 第13-14页 |
| ·数据清理 | 第13-14页 |
| ·数据集成、数据变换和数据归约 | 第14页 |
| ·小波去噪基本理论 | 第14-17页 |
| ·小波去噪的基本原理 | 第14-15页 |
| ·小波去噪的方法 | 第15-17页 |
| ·金融数据中的小波去噪方法 | 第17-19页 |
| ·金融时间序列的特点与一般去噪的要求 | 第17页 |
| ·小波基函数的选取 | 第17-18页 |
| ·阈值的确定 | 第18-19页 |
| ·分解层次的确定 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于贝叶斯分类器的企业生命周期识别模型 | 第20-29页 |
| ·企业生命周期理论 | 第20-22页 |
| ·企业生命周期的涵义 | 第20页 |
| ·企业生命周期理论的代表性观点 | 第20-22页 |
| ·基于改进朴素贝叶斯分类器的企业生命周期识别模型 | 第22-28页 |
| ·贝叶斯网络 | 第22-23页 |
| ·朴素贝叶斯分类器 | 第23-25页 |
| ·企业生命周期识别模型 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 F-RBF神经网络评估模型 | 第29-39页 |
| ·现代综合评估方法概述 | 第29-31页 |
| ·综合评价概述 | 第29页 |
| ·常用综合评价方法分类 | 第29-31页 |
| ·人工神经网络理论及基于神经网络的综合评估模型 | 第31-35页 |
| ·人工神经网络理论介绍 | 第31-34页 |
| ·人工神经网络综合评估法 | 第34-35页 |
| ·F-RBF神经网络综合评估模型 | 第35-38页 |
| ·F-RBF神经网络综合评估模型思想来源 | 第36页 |
| ·F-RBF神经网络综合评估模型建立步骤 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 实证分析 | 第39-50页 |
| ·数据的来源及预处理 | 第39-46页 |
| ·缺失值处理及指标选取 | 第39-40页 |
| ·噪声处理 | 第40-46页 |
| ·企业生命周期识别 | 第46-47页 |
| ·观测指标重组 | 第46页 |
| ·企业生命周期识别模型及其识别结果 | 第46-47页 |
| ·收益率评估预测 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·本文的主要研究内容及创新点 | 第50页 |
| ·本文的展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第56页 |
