| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内相关研究综述 | 第10-11页 |
| ·论文的主要内容 | 第11-13页 |
| 第二章 相空间重构理论 | 第13-17页 |
| ·相空间重构理论简介 | 第13-14页 |
| ·最佳延迟时间确定方法 | 第14页 |
| ·最小嵌入维数确定方法 | 第14-17页 |
| 第三章 支持向量机及参数优化 | 第17-33页 |
| ·支持向量机 | 第17-22页 |
| ·支持向量机发展历史 | 第17-18页 |
| ·支持向量机研究现状 | 第18-19页 |
| ·支持向量机模型概述 | 第19-22页 |
| ·遗传算法理论 | 第22-30页 |
| ·遗传算法概述 | 第22-25页 |
| ·遗传算法的应用步骤 | 第25-26页 |
| ·遗传算法的实现技术 | 第26-30页 |
| ·基于遗传算法的 SVR 参数优化方法 | 第30-33页 |
| 第四章 基于相空间重构和 SVR 的金融时间序列预测模型 | 第33-43页 |
| ·实验数据选取 | 第33页 |
| ·模型评价指标 | 第33-34页 |
| ·相空间重构仿真实验 | 第34-37页 |
| ·互信息法求最佳延迟时间 | 第34页 |
| ·Cao 方法求最小嵌入维数 | 第34-37页 |
| ·金融时间序列模型数据框架 | 第37页 |
| ·BP 神经网络仿真实验 | 第37-40页 |
| ·支持向量机模型仿真实验 | 第40-43页 |
| 第五章 基于遗传算法的金融时间序列 SVR 预测 | 第43-53页 |
| ·支持向量回归机参数 | 第43页 |
| ·金融时间序列的 GA-SVR 模型 | 第43-49页 |
| ·实验结果评价分析 | 第49-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的主要论文 | 第60页 |
| 攻读硕士学位期间参与的项目 | 第60页 |