| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 在线学习问题 | 第9-10页 |
| 1.2 在线投资组合问题 | 第10-11页 |
| 1.3 本文创新点与结构安排 | 第11-13页 |
| 1.3.1 本文创新点与意义 | 第11页 |
| 1.3.2 结构安排 | 第11-13页 |
| 第2章 问题定义 | 第13-18页 |
| 2.1 符号定义 | 第13-14页 |
| 2.2 在线算法中的投资组合模型算法的相关研究 | 第14-15页 |
| 2.3 在线算法中的投资组合模型选择中的交易成本问题 | 第15-18页 |
| 第3章 基于不同损失函数的在线学习模型 | 第18-27页 |
| 3.1 指数更新算法 | 第18页 |
| 3.2 在线梯度下降算法(OGD) | 第18-19页 |
| 3.3 在线牛顿迭代算法(ONS) | 第19-20页 |
| 3.4 追寻领导者算法 | 第20-21页 |
| 3.5 在线贪婪算法(OLU) | 第21-22页 |
| 3.6 在线群稀疏算法 | 第22-23页 |
| 3.7 非参核方法 | 第23-25页 |
| 3.8 NN核方法 | 第25页 |
| 3.9 竞争性算法 | 第25-27页 |
| 第4章 基于交易成本的SUP投资组合策略 | 第27-40页 |
| 4.1 算法思想 | 第27-28页 |
| 4.2 两个策略(SUP)模型建立 | 第28-30页 |
| 4.2.1 SUP策略 | 第28-29页 |
| 4.2.2 SUP-q策略 | 第29-30页 |
| 4.3 定理及其证明 | 第30-35页 |
| 4.4 策略求解 | 第35-40页 |
| 第5章 基于交易成本的在线牛顿迭代策略(ONS-Cost) | 第40-43页 |
| 5.1 算法思想 | 第40页 |
| 5.2 ONS-Cost模型建立 | 第40-41页 |
| 5.3 ONS-Cost模型求解 | 第41-43页 |
| 第6章 实验分析 | 第43-50页 |
| 6.1 数据集 | 第43页 |
| 6.2 相关算法简介和参数设置 | 第43-44页 |
| 6.2.1 参数设置 | 第43页 |
| 6.2.2 比较算法 | 第43-44页 |
| 6.3 实验效果比较 | 第44-49页 |
| 6.4 模型评价 | 第49-50页 |
| 第7章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |