基于支持向量机的中国股指期货回归预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·证券指数预测研究现状 | 第12-14页 |
| ·支持向量机研究现状 | 第14-16页 |
| ·遗传算法研究现状 | 第16-17页 |
| ·粒子群算法研究现状 | 第17-18页 |
| ·本文的主要内容及其结构 | 第18-20页 |
| ·本文主要研究内容 | 第18-19页 |
| ·本文篇章结构 | 第19页 |
| ·本文创新点 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第2章 中国股指期货回归预测理论基础 | 第21-46页 |
| ·股指期货的基础知识 | 第21-24页 |
| ·股指期货的相关概念 | 第21-22页 |
| ·股指期货与本文有关的常用术语 | 第22页 |
| ·股指期货预测方法简介 | 第22-24页 |
| ·统计学习理论与支持向量机 | 第24-38页 |
| ·机器学习 | 第24-25页 |
| ·统计学习理论 | 第25-28页 |
| ·支持向量机的数学原理 | 第28-38页 |
| ·遗传算法 | 第38-43页 |
| ·遗传算法概述 | 第38页 |
| ·遗传算法的基本原理 | 第38-42页 |
| ·遗传算法的优缺点 | 第42-43页 |
| ·粒子群算法 | 第43-45页 |
| ·粒子群算法概述 | 第43页 |
| ·粒子群算法的基本原理 | 第43-44页 |
| ·粒子群算法的优缺点 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 中国股指期货回归预测模型的设计与构建 | 第46-52页 |
| ·模型构建过程和算法总体流程图 | 第46页 |
| ·参数优化概述 | 第46-47页 |
| ·遗传算法优化支持向量机模型的构建 | 第47-49页 |
| ·粒子群算法优化支持向量机模型的构建 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 中国股指期货回归预测实证分析和模型建立 | 第52-69页 |
| ·研究工具介绍 | 第52页 |
| ·指标和数据选取 | 第52-53页 |
| ·数据预处理 | 第53-55页 |
| ·参数优化 | 第55-58页 |
| ·遗传算法优化支持向量机 | 第55-57页 |
| ·粒子群算法优化支持向量机 | 第57-58页 |
| ·核函数选取 | 第58-61页 |
| ·模型建立和回归预测 | 第61-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 中国股指期货回归预测模型广泛适用性研究 | 第69-73页 |
| ·此模型回归预测上证指数 | 第69-70页 |
| ·此模型回归预测中石油日 K 线 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 结论及未来研究展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·研究局限性和未来研究展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的学术成果 | 第78-79页 |
| 致谢 | 第79页 |
