信息理论在量化交易中的应用与研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 论文主要研究内容 | 第11页 |
| 1.3 论文的内容安排 | 第11-14页 |
| 第二章 量化交易与信息理论相关技术 | 第14-20页 |
| 2.1 量化交易相关技术 | 第14-17页 |
| 2.1.1 量化择时 | 第14-15页 |
| 2.1.2 移动平均线择时 | 第15页 |
| 2.1.3 机器学习与量化交易 | 第15-17页 |
| 2.2 机器学习中特征选择方法 | 第17-18页 |
| 2.3 信息理论与概率图模型 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 量化交易平台系统设计 | 第20-32页 |
| 3.1 量化交易平台系统需求分析 | 第20-22页 |
| 3.1.1 人机交互 | 第20页 |
| 3.1.2 策略算法模块化 | 第20-21页 |
| 3.1.3 回测分析 | 第21页 |
| 3.1.4 数据仓库 | 第21-22页 |
| 3.2 量化交易平台系统设计与实现 | 第22-28页 |
| 3.2.1 Web系统设计与实现 | 第22-23页 |
| 3.2.2 数据处理系统 | 第23-24页 |
| 3.2.3 数据库系统 | 第24-27页 |
| 3.2.4 量化交易平台整体框架 | 第27-28页 |
| 3.3 量化交易平台系统的测试与功能验证 | 第28-29页 |
| 3.3.1 算法择时模块 | 第28页 |
| 3.3.2 回测模块 | 第28-29页 |
| 3.4 数据预处理及特征工程 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于最大相关的特征选择 | 第32-44页 |
| 4.1 背景介绍 | 第32-33页 |
| 4.2 数据变量的最大相关性 | 第33-36页 |
| 4.2.1 网络最大相关 | 第33-35页 |
| 4.2.2 改进的NMC模型 | 第35-36页 |
| 4.3 一种有效的特征选择算法 | 第36-38页 |
| 4.4 仿真结果 | 第38-40页 |
| 4.5 NMC-RFE在量化交易中的结果与分析 | 第40-42页 |
| 4.5.1 NMC-RFE在量化交易中的结果 | 第40-41页 |
| 4.5.2 NMC-RFE在量化交易中的对比分析 | 第41-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第五章 应用于量化交易的概率图模型研究 | 第44-56页 |
| 5.1 数据挖掘算法应用于量化交易的已有研究 | 第44-47页 |
| 5.2 数据的社交网络建模 | 第47-49页 |
| 5.3 信息耦合贝叶斯网络学习 | 第49-51页 |
| 5.4 模型实验与对比 | 第51-54页 |
| 5.4.1 模型实验 | 第51-52页 |
| 5.4.2 回测实验 | 第52-54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文工作总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 硕士期间发表或已录用的学术论文 | 第64页 |
