| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-9页 |
| 1.2.1 研究的目的 | 第8-9页 |
| 1.2.2 研究的意义 | 第9页 |
| 1.3 本文的主要贡献 | 第9-10页 |
| 1.4 本文研究框架 | 第10-12页 |
| 第2章 文献综述和相关理论 | 第12-22页 |
| 2.1 文献综述 | 第12-15页 |
| 2.1.1 基于计量模型的股市影响因素研究 | 第12-13页 |
| 2.1.2 基于机器学习的证券市场研究 | 第13-15页 |
| 2.2 相关理论 | 第15-21页 |
| 2.2.1 XGBoost原理简介 | 第15-19页 |
| 2.2.2 支持向量机原理简介 | 第19页 |
| 2.2.3 决策树原理简介 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 问题描述与分析 | 第22-24页 |
| 3.1 研究问题描述 | 第22-23页 |
| 3.2 研究问题分析 | 第23-24页 |
| 第4章 XGBoost预测指数涨跌方案的实施途径与效果评价 | 第24-39页 |
| 4.1 研究样本与数据的基本情况 | 第24-27页 |
| 4.1.1 数据样本来源 | 第24-26页 |
| 4.1.2 样本选择 | 第26-27页 |
| 4.1.3 数据进一步处理 | 第27页 |
| 4.2 变量描述性统计 | 第27-30页 |
| 4.3 基于XGBoost算法的上证综指预测 | 第30-33页 |
| 4.3.1 预测结果分析 | 第30-33页 |
| 4.3.2 模型参数调优 | 第33页 |
| 4.4 基于XGBoost算法方案的稳健性检验 | 第33-36页 |
| 4.4.1 上证50指数涨跌的预测 | 第33-34页 |
| 4.4.2 标准普尔指数涨跌的预测 | 第34-36页 |
| 4.5 投资策略超额收益情况分析 | 第36-37页 |
| 4.6 本章小结 | 第37-39页 |
| 第5章 XGBoost算法与其他方案预测效果的比较 | 第39-42页 |
| 5.1 XGBoost算法与C5.0预测结果比较 | 第39-40页 |
| 5.2 XGBoost算法与支持向量机预测结果比较 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第6章 总结与展望 | 第42-44页 |
| 6.1 本文主要结论 | 第42页 |
| 6.2 存在的不足及下一步研究计划 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-76页 |
| 附录1 技术指标解释 | 第48-59页 |
| 附录2 决策树算法预测大盘涨跌的程序 | 第59-63页 |
| 附录3 支持向量机机器学习方法预测大盘涨跌的程序 | 第63-66页 |
| 附录4 XGBoost机器学习算法预测大盘涨跌的程序 | 第66-76页 |
