| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·选题背景与意义 | 第10-12页 |
| ·文献综述 | 第12-16页 |
| ·金融时间序列预测的国内外相关研究 | 第12-15页 |
| ·经验模态分解的国内外相关研究 | 第15-16页 |
| ·研究思路与内容安排 | 第16-19页 |
| ·本文技术路线 | 第16-18页 |
| ·论文的内容安排与创新之处 | 第18-19页 |
| 第二章 相关理论 | 第19-35页 |
| ·经验模态分解理论 | 第19-24页 |
| ·EMD 基本概念 | 第19-21页 |
| ·EMD 算法基本原理 | 第21-24页 |
| ·支持向量回归理论 | 第24-34页 |
| ·最优分类面 | 第24-25页 |
| ·支持向量机模型 | 第25-29页 |
| ·支持向量回归模型 | 第29-32页 |
| ·支持向量回归核函数 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 EEMD-SVR 的预测模型 | 第35-55页 |
| ·经验模态分解改进 | 第35-40页 |
| ·经验模态分解研究中存在的问题 | 第35-38页 |
| ·经验模态分解的改进方法 | 第38-40页 |
| ·支持向量回归的参数优化理论 | 第40-42页 |
| ·支持向量回归的主要参数 | 第40-41页 |
| ·支持向量回归的参数选取方法 | 第41-42页 |
| ·遗传算法的优化 | 第42-48页 |
| ·标准遗传算法流程 | 第42-46页 |
| ·遗传算法的早熟问题 | 第46页 |
| ·遗传算法的优化——多种群遗传算法 | 第46-48页 |
| ·基于 EEMD 与 MPGA-SVR 的预测模型 | 第48-53页 |
| ·金融时间序列数据的 EEMD 分解 | 第48-49页 |
| ·分量的 MPGA-SVR 建模与预测 | 第49-51页 |
| ·预测的效果评价 | 第51-52页 |
| ·三个实例 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 EEMD-SVR 预测模型的应用 | 第55-71页 |
| ·基于 EEMD-MPGA-SVR 模型的趋势交易 | 第55-57页 |
| ·趋势交易系统的基本框架 | 第55-56页 |
| ·决策模型与交易策略 | 第56-57页 |
| ·趋势交易模型的应用 | 第57-70页 |
| ·数据选取与预处理 | 第58-59页 |
| ·原始序列的 SVR 预测 | 第59-63页 |
| ·EEMD 分解后的 MPGA-SVR 预测 | 第63-67页 |
| ·交易结果对比分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-100页 |
| 附录 1 EEMD 各分量的参数优化与预测结果 | 第77-90页 |
| 附录 2 Matlab 代码（部分核心函数） | 第90-100页 |
| 攻读硕士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |
| 附件 | 第102页 |