| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 研究思路方法和本文主要工作 | 第15-17页 |
| 1.2.1 研究思路 | 第15-16页 |
| 1.2.2 研究方法 | 第16页 |
| 1.2.3 本文主要工作 | 第16-17页 |
| 1.3 论文框架结构 | 第17-19页 |
| 1.3.1 论文结构 | 第17-18页 |
| 1.3.2 论文技术路线图 | 第18-19页 |
| 1.4 论文的创新和不足 | 第19-20页 |
| 1.4.1 创新 | 第19页 |
| 1.4.2 不足 | 第19-20页 |
| 第2章 相关文献综述和评价 | 第20-29页 |
| 2.1 弱式有效市场综述和评价 | 第20-22页 |
| 2.1.1 我国股市是弱式有效市场的文献述评 | 第20-21页 |
| 2.1.2 我国股市不是弱式有效市场的文献述评 | 第21-22页 |
| 2.2 股票的技术分析述评 | 第22-26页 |
| 2.3 支持向量机文献述评 | 第26-29页 |
| 第3章 股票价格时间序列和支持向量机的理论基础 | 第29-48页 |
| 3.1 股价波动的行为金融学理论 | 第29-32页 |
| 3.1.1 行为金融学产生的原因和概述 | 第29-30页 |
| 3.1.2 行为金融学理论 | 第30-31页 |
| 3.1.3 股价波动的行为金融学解释 | 第31-32页 |
| 3.2 机器统计学习在股价时间序列中的理论和应用 | 第32-42页 |
| 3.2.1 机器学习理论相关 | 第33-38页 |
| 3.2.2 机器学习的理论基础--统计学习理论 | 第38-42页 |
| 3.3 支持向量机理论和Epsilon SVR理论 | 第42-46页 |
| 3.3.1 线性支持向量器 | 第43-45页 |
| 3.3.2 非线性支持向量器 | 第45-46页 |
| 3.4 支持向量机的Epsilon –SVR回归 | 第46-48页 |
| 3.4.1 SVR线性回归 | 第46-47页 |
| 3.4.2 SVR非线性回归 | 第47-48页 |
| 第4章 epsilon-SVR预测模型和数据准备 | 第48-61页 |
| 4.1 模型说明 | 第48-50页 |
| 4.1.1 预测的模型 | 第48页 |
| 4.1.2 预测模型的评价指标 | 第48-50页 |
| 4.2 数据来源以及数据预处理 | 第50-58页 |
| 4.2.1 样本的选取 | 第50-51页 |
| 4.2.2 本文数据来源 | 第51-52页 |
| 4.2.3 收开盘价数据相关性检验 | 第52-58页 |
| 4.3 程序过程说明 | 第58-61页 |
| 4.3.1 程序对数据的处理流程 | 第58-60页 |
| 4.3.2 模型的训练 | 第60页 |
| 4.3.3 模型的预测 | 第60-61页 |
| 第5章 实证以及结果分析 | 第61-116页 |
| 5.1 实证过程 | 第61-82页 |
| 5.1.1 实证程序模型说明 | 第61-62页 |
| 5.1.2 数据归一化处理 | 第62-66页 |
| 5.1.3 模型的训练和模型中的参数寻优 | 第66-69页 |
| 5.1.4 五种模型的样本内拟合 | 第69-72页 |
| 5.1.5 新鲜样本预测 | 第72-82页 |
| 5.2 收盘价实证结果分析 | 第82-93页 |
| 5.2.1 收盘价五种模型的实证结果分析 | 第82-90页 |
| 5.2.2 收盘价模型性能的对比 | 第90-93页 |
| 5.3 股票极端波动情况下的预测--中国北车(601299)退市 | 第93-100页 |
| 5.3.1 异常原因分析 | 第95页 |
| 5.3.2 对中国北车(601299)退市事件的处理 | 第95-98页 |
| 5.3.3 改性模型的预测结果分析 | 第98页 |
| 5.3.4 模型1改进使用不同长度的训练数据的预测效果对比 | 第98-100页 |
| 5.4 开盘价实证结果分析 | 第100-109页 |
| 5.4.1 模型1在上证50所有成分股的实证情况统计 | 第101-103页 |
| 5.4.2 开盘价预测结果个股分析 | 第103-106页 |
| 5.4.3 开盘价预测个例 | 第106-109页 |
| 5.5 与参考文献[20]的SVM模型对比预测效果 | 第109-112页 |
| 5.6 与参考文献[55]BP人工神经网络模型对比预测效果 | 第112-116页 |
| 5.6.1 参考文献[55]的BP神经网络的预测效果 | 第112-114页 |
| 5.6.2 本文SVM模型的预测效果 | 第114-115页 |
| 5.6.3 本文SVM模型与参考文献[55]预测结果对比 | 第115-116页 |
| 第6章 结论和展望 | 第116-121页 |
| 6.1 全文研究结论及展望 | 第116-119页 |
| 6.1.1 全文研究结论 | 第116-118页 |
| 6.1.2 本文成果之于现实投资的意义 | 第118-119页 |
| 6.2 研究展望 | 第119-121页 |
| 参考文献 | 第121-124页 |
| 致谢 | 第124-126页 |
| 在校期间科研情况 | 第126-127页 |
| 附录 | 第127-144页 |
