| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| 第一节 股票投资及智能算法研究的现实背景 | 第9-10页 |
| 第二节 国外发展情况 | 第10-15页 |
| 第三节 国内发展情况 | 第15-16页 |
| 第四节 本文内容 | 第16-17页 |
| 第五节 创新与不足 | 第17-19页 |
| 第二章 基本面价值选股模型 | 第19-34页 |
| 第一节 经典价值选股模型 | 第19-25页 |
| 一、多因子模型 | 第19-20页 |
| 二、加拿大皇家银行价值选股模型 | 第20-21页 |
| 三、欧奈尔基本面CAN SLIM法则 | 第21-22页 |
| 四、朱雀丁远指数中性策略及实证结果 | 第22-25页 |
| 第二节 基本面价值选股模型(筛选法) | 第25-31页 |
| 一、遗传算法及其原理 | 第25页 |
| 二、利用遗传算法进行基本面选股 | 第25-28页 |
| 三、基本面价值选股模型(筛选法)实证评价 | 第28-31页 |
| 第三节 基本面价值选股模型(权重法) | 第31-34页 |
| 一、神经网络算法及SOFM神经网络 | 第31-33页 |
| 二、基本面价值选股模型(权重法)设计 | 第33-34页 |
| 第三章 技术面分析选股模型 | 第34-61页 |
| 第一节 技术面分析介绍 | 第34-40页 |
| 一、技术指标 | 第35-36页 |
| 二、价格形态分析 | 第36-37页 |
| 三、K线组合分析 | 第37-40页 |
| 四、成交量形态 | 第40页 |
| 第二节 鱼群算法优化经典技术指标参数 | 第40-43页 |
| 一、鱼群算法简介 | 第40页 |
| 二、适应值计算及评价方法 | 第40-41页 |
| 三、实证结果 | 第41-43页 |
| 第三节 遗传编程生成技术指标 | 第43-53页 |
| 一、遗传编程 | 第43页 |
| 二、Potvin和Sorinano等学者的应用缺陷及本文的优化改造 | 第43-50页 |
| 三、实证结果 | 第50-53页 |
| 第四节 遗传算法生成优化交易规则 | 第53-61页 |
| 一、个体编码 | 第53-54页 |
| 二、股票市场的长记忆性和Hurst指数 | 第54-55页 |
| 三、K线形态中的模糊逻辑 | 第55页 |
| 四、启发式遗传算法应用于交易规则的挖掘 | 第55-58页 |
| 五、实证结果 | 第58-61页 |
| 第四章 基本面——技术面综合选股体系和拓展 | 第61-67页 |
| 第一节 基本面——技术面综合选股体系 | 第61-65页 |
| 一、自上而下的投资方法 | 第61页 |
| 二、综合选股体系及实证结果 | 第61-65页 |
| 第二节 综合选股体系的拓展 | 第65-67页 |
| 结束语 | 第67-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-75页 |