基于模式识别的“高送转”投资策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外文献研究综述 | 第12-16页 |
| 1.3.1 国外“高送转”文献综述 | 第12-14页 |
| 1.3.2 国内“高送转”研究综述 | 第14-16页 |
| 1.4 文章主要内容、结构安排和创新点 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 “高送转”相关知识介绍 | 第18-29页 |
| 2.1 股利支付形式 | 第18页 |
| 2.2 “高送转”界定 | 第18-19页 |
| 2.2.1 送转股票 | 第18-19页 |
| 2.2.2 “高送转”定义 | 第19页 |
| 2.3 我国上市公司分红送转流程 | 第19-20页 |
| 2.4 影响“高送转”实施的主要因素 | 第20-21页 |
| 2.5 我国A股“高送转”现状 | 第21-27页 |
| 2.5.1 “高送转”受追捧 | 第21-23页 |
| 2.5.2 “高送转”与上一年大盘走势 | 第23-24页 |
| 2.5.3 “高送转”股票预案公布前、后收益 | 第24-26页 |
| 2.5.4 年报送转预案公告日统计 | 第26-27页 |
| 2.5.5 “高送转”套利机会分布的时间 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 相关理论介绍 | 第29-40页 |
| 3.1 单因素方差分析 | 第29页 |
| 3.2 多重共线性 | 第29-34页 |
| 3.2.1 多重共线性的概念 | 第29-30页 |
| 3.2.2 多重共线性的影响 | 第30页 |
| 3.2.3 多重共线性的检验方法 | 第30-32页 |
| 3.2.4 多重共线性的修正 | 第32-34页 |
| 3.3 Logistic回归原理及公式推导 | 第34-37页 |
| 3.3.1 LR分类器 | 第34-35页 |
| 3.3.2 Logistic回归模型 | 第35页 |
| 3.3.3 Logistic回归模型的参数估计 | 第35-36页 |
| 3.3.4 Logistic回归模型的检验 | 第36-37页 |
| 3.4 Logistic回归模型的诊断与修正 | 第37-38页 |
| 3.4.1 Logistic回归模型共线性的诊断 | 第37页 |
| 3.4.2 主成分Logistic回归模型 | 第37-38页 |
| 3.5 CART决策树 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于模式识别的“高送转”投资策略的构建 | 第40-47页 |
| 4.1 “高送转”预测模型的构建 | 第40-44页 |
| 4.1.1 变量定义 | 第40-41页 |
| 4.1.2 “高送转”预测模型的设计流程 | 第41-44页 |
| 4.1.3 预测模型的评估指标 | 第44页 |
| 4.2 “高送转”交易模型 | 第44-46页 |
| 4.2.1 “高送转”筛选模型 | 第44-45页 |
| 4.2.2 “高送转”交易策略的制定 | 第45页 |
| 4.2.3 策略评估指标 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 “高送转”投资组合策略模型实证分析 | 第47-60页 |
| 5.1 数据来源与处理 | 第47-48页 |
| 5.2 “高送转”预测模型的实证 | 第48-56页 |
| 5.2.1 自变量单因素方差分析 | 第48-50页 |
| 5.2.2 多重共线性诊断 | 第50-51页 |
| 5.2.3 提取自变量的主成分 | 第51-52页 |
| 5.2.4 建立“高送转”分步识别模型 | 第52-54页 |
| 5.2.5 建立“高送转”单步识别模型 | 第54-55页 |
| 5.2.6 “高送转”预测模型结果 | 第55-56页 |
| 5.3 “高送转”交易模型实证 | 第56-58页 |
| 5.4 投资建议 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 答辩委员会对论文的评定意见 | 第67页 |
