| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| Abbreviations | 第12-13页 |
| Symbols | 第13-15页 |
| 1 Introduction | 第15-25页 |
| 1.1 Research Background | 第15-18页 |
| 1.2 Research Objectives | 第18-20页 |
| 1.3 Summary of Research Findings | 第20-21页 |
| 1.4 Research Methods | 第21-22页 |
| 1.5 Contributions of Work | 第22-23页 |
| 1.6 Structure of Thesis | 第23-25页 |
| 2 Literature Review | 第25-57页 |
| 2.1 Chapter Outline | 第25页 |
| 2.2 Financial and Investment Theory | 第25-36页 |
| 2.2.1 Financial Markets | 第25-27页 |
| 2.2.2 Trading | 第27-29页 |
| 2.2.3 Modern Portfolio Theory | 第29-32页 |
| 2.2.4 Criticism of MPT | 第32-34页 |
| 2.2.5 Portfolio Rebalancing Strategies | 第34-36页 |
| 2.3 Market Predictability | 第36-43页 |
| 2.3.1 The Efficient Market Hypothesis | 第37-42页 |
| 2.3.2 Combining financial time-series prediction and optimal portfolio allocation | 第42-43页 |
| 2.3.3 Predition-based Portfolio Optimization | 第43页 |
| 2.4 Machine Learning in Finance | 第43-55页 |
| 2.4.1 Evolutionary Algorithms | 第44-48页 |
| 2.4.2 Artificial Neural Networks | 第48-52页 |
| 2.4.3 Support Vector Machines and Kernel Methods | 第52-55页 |
| 2.5 Conclusions from Literature Review | 第55-57页 |
| 3 Machine Learning Introduction | 第57-74页 |
| 3.1 Theory of Machine Learning | 第57-58页 |
| 3.2 Machine learning paradigm | 第58-62页 |
| 3.3 Support Vector Machines | 第62-69页 |
| 3.3.1 Soft-Margin SVM | 第66-67页 |
| 3.3.2 Kernel Methods | 第67-69页 |
| 3.4 Hyperparameter Optimization | 第69-74页 |
| 3.4.1 Grid Search | 第70-72页 |
| 3.4.2 Cross-validation | 第72-74页 |
| 4 Data and Experimental Plan | 第74-96页 |
| 4.1 Data and Feature Extraction | 第74-82页 |
| 4.1.1 Data Representation | 第74-75页 |
| 4.1.2 Historical Data | 第75-78页 |
| 4.1.3 Feature Selection | 第78-82页 |
| 4.2 Experimental Plan | 第82-96页 |
| 4.2.1 Efficient Portfolio Optimization | 第83-85页 |
| 4.2.2 Risk Preference Modeling | 第85-87页 |
| 4.2.3 Heuristic Search for Optimal Solution under Upper Bound Constraints | 第87-88页 |
| 4.2.4 Backtesting System | 第88-94页 |
| 4.2.5 Experimental outline | 第94-96页 |
| 5 Experimental Results 82 | 第96-128页 |
| 5.1 Efficient Portfolio Trader | 第96-107页 |
| 5.1.1 Analysis of Performance Depending on Lookback Interval | 第97-99页 |
| 5.1.2 Analysis of Performance Depending on Rebalancing Frequency | 第99-101页 |
| 5.1.3 Analysis of Performance Depending on Risk Preference and Upper Bound | 第101-107页 |
| 5.2 Support Vector Machine Trader | 第107-128页 |
| 5.2.1 Analysis of Performance Depending on Risk Preference and Fequency of Relearning | 第109-113页 |
| 5.2.2 Analysis of Performance Depending on Learning Horizon | 第113-114页 |
| 5.2.3 Analysis of Performance Depending on Transaction Costs | 第114-128页 |
| 6 Conclusions | 第128-133页 |
| 6.1 Main Findings | 第128-130页 |
| 6.2 Limitations of the Study | 第130-131页 |
| 6.3 Suggestions for Further Research | 第131-133页 |
| A Tickers of Companies Used in Experiments | 第133-135页 |
| Bibliography | 第135-144页 |
| Acknowledgements | 第144-145页 |
| Curriculum Vitae | 第145-148页 |
