| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 股票选择模型的研究现状 | 第9-14页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-13页 |
| 1.2.3 国内外文献评述 | 第13-14页 |
| 1.3 研究内容及技术路线 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 技术路线图 | 第15-16页 |
| 第2章 SVM选股的相关理论和影响因素分析 | 第16-28页 |
| 2.1 机器学习理论 | 第16-17页 |
| 2.1.1 模式识别 | 第16-17页 |
| 2.1.2 集成学习 | 第17页 |
| 2.2 统计学习理论 | 第17-19页 |
| 2.2.1 VC维 | 第18页 |
| 2.2.2 结构风险最小化 | 第18-19页 |
| 2.3 支持向量机选股模型 | 第19-26页 |
| 2.3.1 线性可分条件下的公式推导 | 第21-23页 |
| 2.3.2 线性不可分条件下核函数的应用 | 第23-24页 |
| 2.3.3 结合集成学习的选股过程 | 第24-26页 |
| 2.4 影响股票选择中的因素分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于模糊动态的SVM集成模型改进 | 第28-39页 |
| 3.1 改进SVM集成模型的必要性 | 第28-31页 |
| 3.2 改进SVM集成模型适用的指标体系 | 第31-35页 |
| 3.2.1 构建的原则 | 第31页 |
| 3.2.2 指标的选取范围 | 第31-33页 |
| 3.2.3 具体的指标体系 | 第33-35页 |
| 3.3 改进SVM集成模型 | 第35-38页 |
| 3.3.1 基于动态的SVM集成模型改进 | 第35-36页 |
| 3.3.2 基于模糊的SVM集成模型改进 | 第36-38页 |
| 3.4 模糊动态SVM集成模型的实施步骤 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于模糊动态SVM集成模型选股的实证 | 第39-48页 |
| 4.1 样本选取 | 第39-40页 |
| 4.2 数据处理 | 第40-42页 |
| 4.2.1 数据来源 | 第40页 |
| 4.2.2 整理与预处理 | 第40页 |
| 4.2.3 基于因子分析的特征提取 | 第40-42页 |
| 4.3 模型选股的实证结果 | 第42-43页 |
| 4.4 结果分析与评价 | 第43-47页 |
| 4.4.1 模糊动态SVM集成模型选股的准确度分析 | 第43-46页 |
| 4.4.2 模糊动态SVM集成模型选股的局限性分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-63页 |
| 致谢 | 第63页 |