| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 Alpha套利研究现状 | 第9-11页 |
| 1.2.2 神经网络研究现状 | 第11-12页 |
| 1.2.3 支持向量机研究现状 | 第12-13页 |
| 1.3 本文创新之处 | 第13-16页 |
| 第二章 相关理论 | 第16-23页 |
| 2.1 ALPHA套利 | 第16-17页 |
| 2.2 神经网络 | 第17-19页 |
| 2.2.1 神经网络简介 | 第17-19页 |
| 2.2.2 误差逆传播算法 | 第19页 |
| 2.3 支持向量机 | 第19-23页 |
| 2.3.1 线性支持向量机 | 第19-21页 |
| 2.3.2 非线性支持向量机 | 第21-23页 |
| 第三章 ALPHA套利策略和机器学习方法的有机结合 | 第23-34页 |
| 3.1 投资组合的构建 | 第23-25页 |
| 3.2 通过机器学习确定参数 | 第25-26页 |
| 3.3 一般步骤和算法 | 第26-32页 |
| 3.4 该方法的不足之处 | 第32-34页 |
| 3.4.1 数据的时效性 | 第32页 |
| 3.4.2 模型的泛化性 | 第32-34页 |
| 第四章 实证分析 | 第34-45页 |
| 4.1 处理问题的基本流程 | 第34-35页 |
| 4.2 数据获取 | 第35-36页 |
| 4.3 数据预处理 | 第36-37页 |
| 4.3.1 缺省值的处理 | 第36页 |
| 4.3.2 0-1标准化处理 | 第36-37页 |
| 4.4 进行实验 | 第37-38页 |
| 4.4.1 基于训练集数据训练学习器 | 第37-38页 |
| 4.4.2 基于测试集数据检测预测效果 | 第38页 |
| 4.5 结果展示 | 第38-45页 |
| 4.5.1 机器学习模型分类效果 | 第38-39页 |
| 4.5.2 投资组合收益情况 | 第39-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-58页 |
| 致谢 | 第58-59页 |