基于机器学习的股指预测算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 股指期货市场 | 第11-13页 |
| 1.2.1 股指期货市场简介 | 第11-12页 |
| 1.2.2 期货市场交易特点 | 第12-13页 |
| 1.3 国内外采用的主要研究方法 | 第13-17页 |
| 1.3.1 应用技术分析法 | 第14-15页 |
| 1.3.2 时间序列分析法 | 第15-16页 |
| 1.3.3 机器学习分析法 | 第16-17页 |
| 1.4 本文的主要工作及组织结构 | 第17-20页 |
| 1.4.1 本文的主要工作 | 第17-18页 |
| 1.4.2 本文的组织结构 | 第18-20页 |
| 第二章 理论基础知识 | 第20-28页 |
| 2.1 股指相关知识 | 第20-22页 |
| 2.1.1 股票指数 | 第20页 |
| 2.1.2 上证50 | 第20-22页 |
| 2.2 支持向量回归 | 第22-26页 |
| 2.2.1 分类与回归 | 第22-24页 |
| 2.2.2 支持向量回归 | 第24-26页 |
| 2.3 遗传算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 特征向量和标签 | 第28-42页 |
| 3.1 数据集以及预处理 | 第28-31页 |
| 3.1.1 数据集简介 | 第28-29页 |
| 3.1.2 数据集的采集 | 第29页 |
| 3.1.3 数据集的处理 | 第29-31页 |
| 3.2 特征向量 | 第31-39页 |
| 3.2.1 基本定义 | 第31-32页 |
| 3.2.2 特征向量 | 第32-37页 |
| 3.2.3 数据归一化处理 | 第37-39页 |
| 3.3 标签 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 模型参数寻优 | 第42-48页 |
| 4.1 模型评价标准 | 第42页 |
| 4.2 支持向量回归参数寻优 | 第42-46页 |
| 4.2.1 参数调节 | 第42-45页 |
| 4.2.2 遗传算法寻参 | 第45-46页 |
| 4.3 实验步骤 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验结果分析 | 第48-54页 |
| 5.1 实验环境 | 第48-50页 |
| 5.2 实验结果与分析 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 下一步的工作 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 发表论文和参加科研情况 | 第62-64页 |
| 致谢 | 第64页 |
