基于因子分析的多元线性回归方法及其在股价预测中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.2 多元统计分析及回归分析的概述 | 第10-12页 |
| 1.2.1 多元统计分析 | 第10-11页 |
| 1.2.2 回归分析 | 第11-12页 |
| 1.3 现有的股票预测的主要方法 | 第12-14页 |
| 1.3.1 时间序列法 | 第12页 |
| 1.3.2 人工神经网络 | 第12-13页 |
| 1.3.3 基于局域波与混沌集理论 | 第13页 |
| 1.3.4 Wrapper方法 | 第13页 |
| 1.3.5 基于小波神经网络非线性逼近 | 第13页 |
| 1.3.6 趋势分析法 | 第13-14页 |
| 1.4 股票市场中常用术语 | 第14-15页 |
| 第二章 回归分析 | 第15-21页 |
| 2.1 多元线性回归 | 第15-17页 |
| 2.1.1 多元线性回归模型的一般形式 | 第15-16页 |
| 2.1.2 拟合优度 | 第16-17页 |
| 2.2 不违背基本假设的情况 | 第17-19页 |
| 2.2.1 异方差性 | 第17-18页 |
| 2.2.2 自相关性 | 第18-19页 |
| 2.3 多重共线性情形及其处理 | 第19-21页 |
| 2.3.1 多重共线性对回归模型的影响 | 第19-20页 |
| 2.3.2 多重共线性的诊断 | 第20-21页 |
| 第三章 因子分析 | 第21-24页 |
| 3.1 因子分析模型 | 第21-22页 |
| 3.2 因子分析的前提条件 | 第22-24页 |
| 3.2.1 计算相关系数矩阵 | 第22页 |
| 3.2.2 计算反映像相关矩阵 | 第22页 |
| 3.2.3 巴特利特球度检验 | 第22-23页 |
| 3.2.4 KMO检验 | 第23-24页 |
| 第四章 多元回归模型在股票价格预测中的应用 | 第24-49页 |
| 4.1 多元线性回归 | 第24-27页 |
| 4.2 模型满足基本假设的诊断 | 第27-30页 |
| 4.2.1 异方差性诊断 | 第27-30页 |
| 4.2.2 自相关性诊断 | 第30页 |
| 4.2.3 诊断结果 | 第30页 |
| 4.3 模型预测 | 第30-32页 |
| 4.4 多重共线性诊断 | 第32-35页 |
| 4.5 因子分析 | 第35-49页 |
| 4.5.1 因子分析的前提条件检验 | 第35-38页 |
| 4.5.2 因子分析模型 | 第38-42页 |
| 4.5.3 拟合回归模型 | 第42-47页 |
| 4.5.4 模型预测 | 第47-49页 |
| 第五章 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附件 | 第54-63页 |
