机器学习算法对中国A股的适应性比较
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国外研究现状 | 第9-11页 |
| 1.3 国内研究现状 | 第11-12页 |
| 2. 量化投资与机器学习的关系 | 第12-15页 |
| 2.1 量化投资简述 | 第12-13页 |
| 2.2 机器学习简述 | 第13-14页 |
| 2.3 量化投资与机器学习的关联简述 | 第14-15页 |
| 3. 机器学习算法与量化平台简介 | 第15-37页 |
| 3.1 逻辑回归算法 | 第15-16页 |
| 3.1.1 逻辑回归算法原理 | 第15-16页 |
| 3.1.1 逻辑回归算法特点 | 第16页 |
| 3.2 KNN算法 | 第16-18页 |
| 3.2.1 KNN算法的原理 | 第16-17页 |
| 3.2.2 KNN算法的特点 | 第17-18页 |
| 3.3 朴素贝叶斯算法 | 第18-21页 |
| 3.3.1 朴素贝叶斯算法原理 | 第18-20页 |
| 3.3.2 朴素贝叶斯算法特点 | 第20-21页 |
| 3.4 支持向量机（SVM）算法 | 第21-26页 |
| 3.4.1 支持向量机（SVM）算法原理 | 第21-25页 |
| 3.4.2 支持向量机（SVM）特点 | 第25-26页 |
| 3.5 神经网络算法 | 第26-30页 |
| 3.5.1 神经网络算法原理 | 第26-29页 |
| 3.5.2 神经网络算法特点 | 第29-30页 |
| 3.6 决策树算法 | 第30-35页 |
| 3.6.1 决策树算法原理 | 第30-33页 |
| 3.6.2 决策树算法特点 | 第33页 |
| 3.6.3 随机森林算法 | 第33-35页 |
| 3.7 量化平台简介 | 第35-37页 |
| 4.股市各类型走势下的机器学习算法效果比较 | 第37-45页 |
| 4.1 股市走势类型简介 | 第37-40页 |
| 4.2 股市各走势类型效果比较 | 第40-45页 |
| 5. 不同品种下的机器学习诸算法效果比较 | 第45-48页 |
| 5.1 A股主要品种划分 | 第45-46页 |
| 5.2 机器学习各算法在不同品种中的表现 | 第46-48页 |
| 6. 利用机器学习算法构建自动化交易程序进行回测 | 第48-52页 |
| 7. 结论与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录Python量化交易部分源代码 | 第57-60页 |
| 致谢 | 第60页 |
