基于支持向量回归的上证50股票价格预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究思路和方法 | 第12-13页 |
| 1.3.1 研究方法 | 第12-13页 |
| 1.3.2 研究思路 | 第13页 |
| 1.4 论文可能的创新 | 第13-14页 |
| 第2章 相关理论知识 | 第14-23页 |
| 2.1 股票价格预测论述 | 第14-16页 |
| 2.1.1 股票价格的影响因素 | 第14页 |
| 2.1.2 股票价格预测的常用指标 | 第14-15页 |
| 2.1.3 股票价格预测的常用方法 | 第15-16页 |
| 2.2 统计学习理论 | 第16-18页 |
| 2.2.1 损失函数和风险函数 | 第16页 |
| 2.2.2 经验风险最小化 | 第16-17页 |
| 2.2.3 过拟合 | 第17页 |
| 2.2.4 结构风险最小化 | 第17-18页 |
| 2.3 支持向量回归理论 | 第18-22页 |
| 2.3.1 线性支持向量回归 | 第18-20页 |
| 2.3.2 核函数 | 第20-21页 |
| 2.3.3 非线性支持向量回归 | 第21-22页 |
| 2.4 交叉验证选择最佳参数 | 第22-23页 |
| 第3章 基于支持向量回归的日收盘价预测 | 第23-33页 |
| 3.1 数据来源与相关性检验 | 第23-25页 |
| 3.1.1 数据来源 | 第23页 |
| 3.1.2 相关性检验 | 第23-25页 |
| 3.2 支持向量回归模型实证分析 | 第25-32页 |
| 3.2.1 模型建立 | 第26页 |
| 3.2.2 数据归一化处理 | 第26-28页 |
| 3.2.3 参数选择和优化 | 第28-29页 |
| 3.2.4 模型训练和预测 | 第29-32页 |
| 3.3 五种模型的预测结果比较分析 | 第32-33页 |
| 第4章 模糊信息粒化SVR模型预测研究 | 第33-47页 |
| 4.1 信息粒化概述 | 第33-35页 |
| 4.1.1 信息粒化 | 第33-34页 |
| 4.1.2 模糊信息粒化算法 | 第34-35页 |
| 4.2 模糊信息粒化SVR模型分析 | 第35-39页 |
| 4.2.1 数据来源 | 第35页 |
| 4.2.2 数据预处理 | 第35-36页 |
| 4.2.3 参数选择与优化 | 第36-38页 |
| 4.2.4 模型的训练与预测 | 第38-39页 |
| 4.3 基于不同隶属函数的模型的比较分析 | 第39-41页 |
| 4.4 改进的模糊信息粒化SVR模型 | 第41-47页 |
| 4.4.1 数据预处理 | 第41-42页 |
| 4.4.2 参数选择与优化 | 第42-44页 |
| 4.4.3 模型的训练与预测 | 第44-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 5.1 结论 | 第47页 |
| 5.2 不足与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |
