基于机器学习的沪深300指数走势预测研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 本文结构与框架 | 第12-13页 |
| 1.3 主要工作与创新点 | 第13-14页 |
| 第2章 国内外文献综述 | 第14-16页 |
| 2.1 国外研究结果 | 第14-15页 |
| 2.2 国内研究结果 | 第15-16页 |
| 第3章 理论与方法基础 | 第16-30页 |
| 3.1 经验模态分解模型简介 | 第16-18页 |
| 3.2 决策树模型简介 | 第18-23页 |
| 3.2.1 ID3算法 | 第19-20页 |
| 3.2.2 C4.5算法 | 第20-21页 |
| 3.2.3 CART算法 | 第21-23页 |
| 3.3 随机森林模型简介 | 第23-25页 |
| 3.4 XGBoost模型简介 | 第25-30页 |
| 3.4.1 GBDT模型概述 | 第25-26页 |
| 3.4.2 XGBoost模型概述 | 第26-30页 |
| 第4章 问题描述与分析 | 第30-32页 |
| 4.1 研究问题描述和分析 | 第30-31页 |
| 4.2 Python函数说明 | 第31-32页 |
| 第5章 数据处理与分析 | 第32-43页 |
| 5.1 数据选取与特征提取 | 第32-36页 |
| 5.1.1 数据选取 | 第32-34页 |
| 5.1.2 特征提取 | 第34-36页 |
| 5.2 指数走势分类 | 第36-43页 |
| 5.2.1 趋势上涨走势分类 | 第37-38页 |
| 5.2.2 趋势下跌走势分类 | 第38-39页 |
| 5.2.3 震荡走势分类 | 第39-41页 |
| 5.2.4 全样本波动能量比统计分析 | 第41-43页 |
| 第6章 模型实证分析 | 第43-54页 |
| 6.1 实证一:随机森林模型 | 第43-48页 |
| 6.1.1 实证过程 | 第43-44页 |
| 6.1.2 实证结果分析 | 第44-48页 |
| 6.2 实证二:XGBOOST模型 | 第48-54页 |
| 6.2.1 实证过程 | 第48-49页 |
| 6.2.2 实证结果分析 | 第49-54页 |
| 第7章 结论与展望 | 第54-56页 |
| 7.1 总结 | 第54页 |
| 7.2 不足与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |
