| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第12-19页 |
| 1.1 选题背景与研究意义 | 第12-14页 |
| 1.2 量化投资国内外发展现状 | 第14-16页 |
| 1.2.1 国外量化投资发展现状 | 第14-15页 |
| 1.2.2 国内量化投资发展现状 | 第15页 |
| 1.2.3 量化投资预测模型的发展现状 | 第15-16页 |
| 1.3 主要研究内容与研究方法 | 第16-17页 |
| 1.4 研究创新点 | 第17-19页 |
| 2 机器学习分类算法在量化投资中的预测应用文献综述 | 第19-24页 |
| 2.1 BP神经网络算法在量化投资中的预测应用研究综述 | 第19-20页 |
| 2.2 随机森林算法在量化投资中的预测应用研究综述 | 第20-21页 |
| 2.3 支持向量机算法在量化投资中的预测应用研究综述 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 三种机器学习分类算法原理概述 | 第24-30页 |
| 3.1 BP神经网络算法原理 | 第24-26页 |
| 3.2 随机森林算法原理 | 第26-27页 |
| 3.3 支持向量机算法原理 | 第27-28页 |
| 3.4 三种算法对比 | 第28-30页 |
| 4 我国沪深A股新股样本变量构建 | 第30-44页 |
| 4.1 封板新股样本界定及收益率统计 | 第30-33页 |
| 4.2 样本变量构建 | 第33-35页 |
| 4.3 各样本变量数据来源及处理 | 第35-43页 |
| 4.3.1 新股IPO及开板前市值与市盈率 | 第36-37页 |
| 4.3.2 新股所属指数板块及开板前板块热度 | 第37-38页 |
| 4.3.3 新股所属行业板块及开板前板块热度 | 第38-39页 |
| 4.3.4 新股所属行业板块及开板前板块热度 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 机器学习分类算法预测新股开板当日再封板结果及分析 | 第44-60页 |
| 5.1 随机森林模型训练及参数优化 | 第44-50页 |
| 5.2 支持向量机模型训练及参数优化 | 第50-54页 |
| 5.3 BP神经网络模型训练及参数优化 | 第54-56页 |
| 5.4 三种算法预测结果综合对比分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 基于预测模型的新股开板后交易策略研究 | 第60-69页 |
| 6.1 基于新股开板再封板分类预测模型的交易策略构建 | 第60-61页 |
| 6.2 交易策略样本内测试结果及分析 | 第61-64页 |
| 6.3 交易策略样本外测试结果及分析 | 第64-67页 |
| 6.4 本章小结 | 第67-69页 |
| 7 结论与展望 | 第69-72页 |
| 7.1 基本结论与投资建议 | 第69-70页 |
| 7.2 研究不足及展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
