| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第6-11页 |
| ·研究背景 | 第6-7页 |
| ·研究内容和研究意义 | 第7-8页 |
| ·相关工作 | 第8-9页 |
| ·全文结构 | 第9-11页 |
| 第2章 证券分析相关方法和技术 | 第11-21页 |
| ·技术分析 | 第11-12页 |
| ·技术分析的理论基础 | 第11-12页 |
| ·技术分析与基本面分析 | 第12页 |
| ·常用的反转点分析方法 | 第12-21页 |
| ·趋势分析 | 第13-15页 |
| ·形态分析 | 第15-19页 |
| ·技术指标分析 | 第19-21页 |
| 第3章 支持向量机 | 第21-33页 |
| ·统计学习理论概述 | 第21页 |
| ·机器学习的基本问题 | 第21-24页 |
| ·函数估计模型 | 第21-22页 |
| ·风险最小化问题 | 第22页 |
| ·三种主要的学习问题 | 第22-23页 |
| ·学习问题的一般表示 | 第23-24页 |
| ·经验风险最小化原则 | 第24页 |
| ·统计学习理论的核心内容 | 第24-27页 |
| ·VC(Vapnik-Cheronenkis)维 | 第25-26页 |
| ·推广性的界 | 第26页 |
| ·结构风险最小化(Structural Risk Minimization,SRM) | 第26-27页 |
| ·支持向量机 | 第27-33页 |
| ·支持向量分类机 | 第28-31页 |
| ·支持向量机核函数 | 第31页 |
| ·支持向量机工具LIBSVM | 第31-33页 |
| 第4章 基于支持向量机的股价反转点预测机制 | 第33-46页 |
| ·基于支持向量机的股价反转点预测框架 | 第33页 |
| ·股市历史交易数据获取和预处理 | 第33-37页 |
| ·股市历史交易数据准备 | 第33-34页 |
| ·复权处理 | 第34页 |
| ·技术指标计算 | 第34-36页 |
| ·股票收盘价平滑 | 第36-37页 |
| ·反转点定义 | 第37-44页 |
| ·真实反转点定义 | 第38页 |
| ·技术指标反转点定义 | 第38-43页 |
| ·技术指标反转点预测误差范围 | 第43-44页 |
| ·技术指标反转点判断向量 | 第44页 |
| ·使用支持向量机进行训练和预测 | 第44-46页 |
| ·转换格式 | 第44页 |
| ·向量数值缩放 | 第44-45页 |
| ·核函数选择及参数确定 | 第45页 |
| ·训练和预测 | 第45-46页 |
| 第5章 实验及结果分析 | 第46-53页 |
| ·评价标准 | 第46-47页 |
| ·实验及结果分析 | 第47-53页 |
| ·实验数锯 | 第47页 |
| ·实验一:组成反转点判断向量的技术指标的筛选 | 第47-48页 |
| ·实验二:使用支持向量机对筛选所得的技术指标向量进行数据挖掘 | 第48-50页 |
| ·实验三:各种不同预测方法的投资回报比较 | 第50-53页 |
| 第6章 结论及展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·未来工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |