| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-13页 |
| 1.1.1 研究环境:证券市场概述 | 第9-11页 |
| 1.1.2 研究对象:量化交易简介 | 第11-13页 |
| 1.2 文献综述 | 第13页 |
| 1.3 论文框架和研究目的 | 第13-15页 |
| 第二章 理论框架 | 第15-30页 |
| 2.1 隐马尔可夫模型 | 第15-25页 |
| 2.1.1 贝叶斯定理 | 第15-16页 |
| 2.1.2 马尔可夫过程 | 第16-17页 |
| 2.1.3 隐马尔可夫模型 | 第17-20页 |
| 2.1.4 向前/向后算法:评估观测值序列发生的概率 | 第20-22页 |
| 2.1.5 期望最大化算法:隐马尔科夫模型的参数估计 | 第22-24页 |
| 2.1.6 维特比算法:隐藏状态序列的最优解 | 第24-25页 |
| 2.2 带有时间序列的隐马尔可夫模型 | 第25-28页 |
| 2.2.1 时间序列简介 | 第25-26页 |
| 2.2.2 ARMA模型 | 第26-28页 |
| 2.3 理论框架总结 | 第28-30页 |
| 第三章 实证过程 | 第30-39页 |
| 3.1 实证方法介绍 | 第30-31页 |
| 3.2 "训练集"的最优长度 | 第31-33页 |
| 3.3 观测序列的输入 | 第33-36页 |
| 3.4 隐藏状态的数量 | 第36-38页 |
| 3.5 涉及软件及常用指令 | 第38-39页 |
| 第四章 结论 | 第39-41页 |
| 4.1 模型现实意义回顾 | 第39-40页 |
| 4.2 模型实证过程总结 | 第40页 |
| 4.3 模型的应用展望 | 第40-41页 |
| 附录1 图片目录 | 第41-42页 |
| 附录2 涉及函数代码 | 第42-48页 |
| 参考文献 | 第48-49页 |