基于数据挖掘技术的证券投资决策研究

致谢	第1-5页
摘要	第5-6页
Abstract	第6-10页
1 引言	第10-14页
·研究背景	第10-11页
·研究意义	第11-12页
·研究内容与研究思路	第12-14页
·主要研究内容	第12-14页
2 文献综述	第14-48页
·个股股票投资的理论与相关研究	第14-26页
·个股股票投资的基本理论	第14-21页
·个股股票投资的国内外相关研究	第21-26页
·证券投资组合的理论与相关研究	第26-38页
·证券投资组合的基本理论	第26-32页
·证券投资组合的国内外相关研究	第32-38页
·投资基金投资的理论与相关研究	第38-45页
·投资基金投资的基本理论	第38-40页
·投资基金投资的国内外相关研究	第40-45页
·数据挖掘与证券投资	第45-47页
·数据挖掘的功能	第45-46页
·数据挖掘技术在证券投资中应用的需求分析	第46-47页
·本章小结	第47-48页
3 基于粗糙集理论的价值投资个股选择决策研究	第48-67页
·基于多属性决策方法的股票投资选股方法	第48-53页
·多属性决策方法的原理	第48-49页
·股票价值投资选股的多属性决策方法	第49-53页
·股票价值投资选股决策评价指标体系的初选	第53-55页
·评价指标选择的基本思路	第53-54页
·评价指标体系的初选	第54-55页
·基于粗糙集的主客观综合权重确定思路	第55-58页
·粗糙集理论的基本概念	第55-57页
·粗糙集属性重要度及其客观权重确定	第57-58页
·指标主客观综合权重的确定方法	第58页
·样本选择及数据处理	第58-64页
·数据来源	第58-59页
·指标筛选并确定综合权重	第59-64页
·价值投资选股决策实证分析	第64-66页
·获取各公司财务指标数据并进行规范化处理	第64-65页
·股票选择的综合排序	第65页
·计算结果的验证	第65-66页
·本章小结	第66-67页
4 基于PSO算法的证券投资组合决策研究	第67-88页
·粒子群优化算法的相关理论	第67-75页
·最优化问题	第67-69页
·粒子群算法的基本模型	第69-71页
·粒子群算法的数学表达与模型分析	第71-73页
·粒子群算法的优势	第73-75页
·研究思路设计	第75-81页
·基于粒子群算法的证券投资组合决策过程	第75-76页
·目标函数的构建	第76-78页
·样本数据的选择与处理	第78-81页
·实证研究	第81-87页
·粒子群算法的实现	第81-83页
·确定模型的参数	第83-84页
·最优投资组合的确定	第84-87页
·本章小结	第87-88页
5 我国证券投资基金的绩效分析和投资选择	第88-120页
·投资基金绩效综合评价的常见方法	第88-92页
·参数方法	第88-90页
·非参数方法	第90-92页
·基金经理择时能力和择股能力的量度方法	第92-95页
·T-M模型	第92-94页
·H-M模型	第94页
·C-L模型	第94-95页
·F-F三因素模型	第95页
·实证设计与数据来源	第95-99页
·市场时段选择	第95-96页
·基金样本选择	第96-97页
·市场收益率的选择	第97-98页
·无风险收益率的选择	第98页
·数据来源和处理	第98-99页
·基金经理择股和择时能力的实证分析	第99-107页
·样本基金收益率的总体分析	第99-100页
·基于T-M模型和C-L模型的分析	第100-105页
·基于F-F模型的分析	第105-107页
·不同市场走势下基金绩效的实证分析	第107-117页
·牛市和熊市的划分	第107页
·牛市环境下基金绩效的分析	第107-112页
·熊市基金绩效研究	第112-117页
·实证结果	第117-119页
·本章小结	第119-120页
6 结论	第120-122页
参考文献	第122-131页
附录一 各只股票的收盘价序列	第131-136页
附录二 各只股票的收益率序列	第136-141页
附录三 完整的计算程序	第141-144页
作者简历及在学研究成果	第144-147页
学位论文数据集	第147页