| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9页 |
| ·国内外股票指数时间序列研究回顾 | 第9-12页 |
| ·本文的研究思路 | 第12-14页 |
| 第二章 股指时间序列的特征及组合预测模型的理论基础 | 第14-32页 |
| ·股指时间序列特征的实证分析 | 第14-16页 |
| ·小波分析理论 | 第16-22页 |
| ·小波的定义 | 第16-18页 |
| ·连续小波变换 | 第18-19页 |
| ·离散小波变换 | 第19页 |
| ·小波基函数及其特性 | 第19-20页 |
| ·多分辨分析 | 第20-22页 |
| ·自回归移动平均(ARMA)模型 | 第22-24页 |
| ·自回归移动平均模型概述 | 第22-23页 |
| ·自回归移动平均模型建模过程 | 第23-24页 |
| ·差分自回归移动平均模型 | 第24页 |
| ·支持向量机(SVM)模型 | 第24-31页 |
| ·支持向量机的统计学习理论基础 | 第25-27页 |
| ·最优分类超平面 | 第27-28页 |
| ·支持向量机的优化问题 | 第28-29页 |
| ·支持向量机的对偶问题 | 第29页 |
| ·支持向量分类机的算法 | 第29-30页 |
| ·支持向量机的核函数 | 第30页 |
| ·支持向量机参数的选取方法 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第三章 组合预测模型在股票指数时间序列预测中的实证研究 | 第32-56页 |
| ·研究思路概述 | 第32页 |
| ·模型评价方法 | 第32-33页 |
| ·实证分析 | 第33-51页 |
| ·数据选取说明 | 第33-35页 |
| ·小波去噪 | 第35-36页 |
| ·小波多分辨分析 | 第36-38页 |
| ·尺度序列和小波变换序列的平稳性检验 | 第38-41页 |
| ·小波变换序列的自回归移动平均模型建模预测 | 第41-49页 |
| ·尺度序列的支持向量机建模预测 | 第49-51页 |
| ·预测结果拟合 | 第51页 |
| ·模型比较 | 第51-54页 |
| ·小结 | 第54-56页 |
| 第四章 总结 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |