| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的主要工作及其组织结构 | 第16-18页 |
| 1.3.1 研究目的与内容 | 第16页 |
| 1.3.2 论文的组织结构 | 第16-18页 |
| 第2章 期货交易知识及相关理论 | 第18-29页 |
| 2.1 期货基础知识 | 第18-19页 |
| 2.2 期货价格预测方法 | 第19-21页 |
| 2.2.1 技术分析法 | 第19页 |
| 2.2.2 时间序列分析法 | 第19-20页 |
| 2.2.3 神经网络预测法 | 第20-21页 |
| 2.3 期货交易及MagicQuant回测平台 | 第21-25页 |
| 2.3.1 期货交易相关知识 | 第21-23页 |
| 2.3.2 期货数据 | 第23-24页 |
| 2.3.3 MagicQuant回测平台 | 第24-25页 |
| 2.4 数据预处理 | 第25-28页 |
| 2.4.1 数据清洗 | 第25-26页 |
| 2.4.2 数据集成 | 第26页 |
| 2.4.3 数据规约 | 第26-27页 |
| 2.4.4 数据变换 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于循环神经网络的期货价格预测模型 | 第29-52页 |
| 3.1 神经网络简介 | 第29-34页 |
| 3.1.1 神经元 | 第29页 |
| 3.1.2 激活函数 | 第29-31页 |
| 3.1.3 BP神经网络的基本原理 | 第31-33页 |
| 3.1.4 BP神经网络的不足 | 第33-34页 |
| 3.2 循环神经网络 | 第34-37页 |
| 3.2.1 RNN神经网络 | 第34-35页 |
| 3.2.2 LSTM和GRU神经网络 | 第35-37页 |
| 3.3 基于循环神经网络的期货价格预测模型 | 第37-39页 |
| 3.3.1 循环神经网络的输入特征 | 第37-38页 |
| 3.3.2 基于循环神经网络的期货价格预测模型 | 第38-39页 |
| 3.4 实验数据及评价指标 | 第39-41页 |
| 3.4.1 实验数据 | 第39-40页 |
| 3.4.2 评价指标 | 第40-41页 |
| 3.5 神经网络预测结果及对比分析 | 第41-51页 |
| 3.5.1 实验预测结果分析 | 第41-51页 |
| 3.5.2 实验预测结果对比分析 | 第51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 成交持仓策略模型 | 第52-61页 |
| 4.1 量化投资简介 | 第52页 |
| 4.2 量化投资特点 | 第52-53页 |
| 4.3 量化投资策略 | 第53-58页 |
| 4.3.1 蜘蛛网策略 | 第54-56页 |
| 4.3.2 成交持仓策略 | 第56-58页 |
| 4.4 成交持仓策略模型构建 | 第58页 |
| 4.5 成交持仓策略回测结果及分析 | 第58-60页 |
| 4.5.1 成交持仓策略回测结果 | 第58-59页 |
| 4.5.2 成交持仓策略收益分析 | 第59-60页 |
| 4.6 本章小节 | 第60-61页 |
| 第5章 基于GRU神经网络优化的成交持仓策略 | 第61-66页 |
| 5.1 基于GRU神经网络优化的成交持仓策略 | 第61页 |
| 5.2 基于GRU神经网络优化的成交持仓策略模型构建 | 第61-62页 |
| 5.3 基于GRU神经网络优化的成交持仓策略回测结果 | 第62-64页 |
| 5.4 成交持仓策略和优化的成交持仓策略对比 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |