几种统计学习方法的研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 0 引言 | 第9页 |
| 1 综述以及文章结构 | 第9-13页 |
| 1.1 综述 | 第9-11页 |
| 1.1.1 国外研究综述 | 第9-10页 |
| 1.1.2 国内研究综述 | 第10-11页 |
| 1.2 研究的主要内容 | 第11页 |
| 1.3 本文组织结构 | 第11-13页 |
| 2 几种统计学习方法简介 | 第13-17页 |
| 2.1 逻辑回归方法简介 | 第13-14页 |
| 2.1.1 逻辑回归模型 | 第13页 |
| 2.1.2 二项逻辑回归算法过程 | 第13-14页 |
| 2.2 朴素贝叶斯方法介绍 | 第14-15页 |
| 2.2.1 贝叶斯定理 | 第14页 |
| 2.2.2 朴素贝叶斯 | 第14页 |
| 2.2.3 朴素贝叶斯分类算法过程 | 第14-15页 |
| 2.3 分类与回归树方法简介 | 第15-17页 |
| 2.3.1 纯度度量指标定义 | 第15页 |
| 2.3.2 用于划分的属性以及属性值的选取 | 第15-16页 |
| 2.3.3 分类与回归树模型的构建 | 第16-17页 |
| 3 股票个股“形态-量-指标”量化分析模式的构建 | 第17-23页 |
| 3.1 个股走势形态的量化及定义 | 第17-18页 |
| 3.2 成交量的意义及其比值定义 | 第18页 |
| 3.3 指标交叉模式的意义及其量化 | 第18-20页 |
| 3.4 底部结构与顶部结构真假的定义与识别 | 第20-23页 |
| 4 个股统计学习实例研究 | 第23-39页 |
| 4.1 基本参数设置及数据量化 | 第23-26页 |
| 4.1.1 底部结构参数设置及数据量化 | 第23-24页 |
| 4.1.2 顶部结构参数设置及数据量化 | 第24-26页 |
| 4.2 应用二项逻辑回归模型研究个股结构数据 | 第26-28页 |
| 4.2.1 底部结构的二项逻辑回归分析 | 第26-28页 |
| 4.2.2 顶部结构的二项逻辑回归分析 | 第28页 |
| 4.3 应用朴素贝叶斯分类研究个股结构数据 | 第28-32页 |
| 4.3.1 底部结构的朴素贝叶斯分类研究 | 第29-30页 |
| 4.3.2 顶部结构的朴素贝叶斯分类研究 | 第30-32页 |
| 4.4 应用分类与回归树研究个股结构数据 | 第32-38页 |
| 4.4.1 底部结构的分类与回归树研究 | 第32-35页 |
| 4.4.2 顶部结构的分类与回归树研究 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 几种统计学习方法的评估以及组合模型的建立 | 第39-43页 |
| 5.1 底部结构和顶部结构的测试样本准确率评估 | 第39-40页 |
| 5.2 识别个股结构的组合模型的构建 | 第40-41页 |
| 5.3 组合模型识别测试样本的准确率评价 | 第41-43页 |
| 6 股票预警平台的设计 | 第43-45页 |
| 7 本文总结和未来展望 | 第45-47页 |
| 7.1 本文总结 | 第45页 |
| 7.2 未来的研究方向 | 第45-46页 |
| 7.3 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51-57页 |
| 致谢 | 第57-59页 |
| 个人简历 | 第59页 |
| 发表的学术论文 | 第59-60页 |
