| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 量化选股研究综述 | 第12-13页 |
| 1.2.2 数据挖掘技术在股价预测的研究综述 | 第13-14页 |
| 1.3 本文主要研究思路 | 第14-15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第二章 基于财务指标的选股模型 | 第17-23页 |
| 2.1 Piotroski选股方法背景介绍 | 第17页 |
| 2.2 Piotroski选股方法简介 | 第17-19页 |
| 2.3 收益率的计算 | 第19-20页 |
| 2.4 Piotroski选股方法的实证研究 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于ARIMA模型的股价预测 | 第23-35页 |
| 3.1 时间序列 | 第23-24页 |
| 3.1.1 时间序列的基础知识 | 第23页 |
| 3.1.2 平稳时间序列 | 第23-24页 |
| 3.2 ARMA模型的基本原理 | 第24-27页 |
| 3.2.1 ARMA模型简介 | 第25-27页 |
| 3.2.2 时间序列的相关性 | 第27页 |
| 3.3 ARMA模型的建模步骤 | 第27-32页 |
| 3.3.1 时间序列的平稳性检验与处理 | 第28-29页 |
| 3.3.2 模型类型的识别 | 第29页 |
| 3.3.3 时间序列模型阶数的确定 | 第29-31页 |
| 3.3.4 对模型参数进行估计 | 第31页 |
| 3.3.5 模型检验 | 第31-32页 |
| 3.3.6 应用ARIMA模型预测股票收盘价 | 第32页 |
| 3.4 实验与结果分析 | 第32-34页 |
| 3.4.1 实验描述及准备 | 第32页 |
| 3.4.2 实验结果分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于SVM模型的股价预测 | 第35-47页 |
| 4.1 统计学习理论（SLT） | 第35-36页 |
| 4.2 支持向量机（SVM）分类器 | 第36-37页 |
| 4.3 线性类型的支持向量机 | 第37-40页 |
| 4.3.1 线性可分的情形 | 第37-38页 |
| 4.3.2 非线性可分的情形 | 第38-40页 |
| 4.4 非线性类型的支持向量机 | 第40页 |
| 4.5 核函数 | 第40-42页 |
| 4.6 支持向量机回归算法 | 第42-44页 |
| 4.6.1 线性回归的情形 | 第42-43页 |
| 4.6.2 非线性回归的情形 | 第43-44页 |
| 4.7 SVR在股票收盘价预测中的应用 | 第44-45页 |
| 4.7.1 实验描述及准备 | 第44页 |
| 4.7.2 实验结果分析 | 第44-45页 |
| 4.8 本章小结 | 第45-47页 |
| 第五章 基于混合算法在股价预测 | 第47-57页 |
| 5.1 ARIMA-SVR混合算法 | 第47-48页 |
| 5.2 比例系数法 | 第48-51页 |
| 5.2.1 比例系数法简介 | 第48页 |
| 5.2.2 预测区间评估指标 | 第48-51页 |
| 5.3 基于ARIMA-SVR的收盘价预测 | 第51-54页 |
| 5.3.1 实验描述及准备 | 第51页 |
| 5.3.2 实验结果分析 | 第51-54页 |
| 5.4 基于比例系数法和ARIMA-SVR的收盘价区间预测 | 第54-56页 |
| 5.4.1 实验描述及准备 | 第54页 |
| 5.4.2 实验结果及分析 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 组合投资策略实证研究 | 第57-62页 |
| 6.1 策略描述 | 第57-58页 |
| 6.2 实验描述及准备 | 第58-59页 |
| 6.2.1 样本选取方案 | 第58-59页 |
| 6.2.2 计算过程 | 第59页 |
| 6.3 实验结果分析 | 第59-61页 |
| 6.4 本章小结 | 第61-62页 |
| 总结 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 答辩委员会对论文的评定意见 | 第71页 |