首页--经济论文--财政、金融论文--金融、银行论文--中国金融、银行论文--金融市场论文

基于机器学习方法预测股市的系统性风险

学位论文主要创新点第3-4页
摘要第4-5页
ABSTRACT第5页
第一章. 绪论第8-20页
    1.1. 课题的研究背景及意义第8-11页
        1.1.1. 课题的研究背景第8-11页
        1.1.2. 课题的研究意义第11页
    1.2. 国内外研究及发展现状第11-16页
        1.2.1. 经济学角度国内外研究现状第11-15页
        1.2.2. 机器学习方向国内外研究现状第15-16页
    1.3. 存在问题与发展趋势第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页
        1.4.2. 本文的组织结构第17-20页
第二章. 基础知识及数据准备第20-36页
    2.1. 股票及股票市场第20页
    2.2. 股票市场系统性风险及其特点第20-21页
    2.3. 股票价格指数第21页
    2.4. 分布式开源平台Hadoop第21-23页
    2.5. 开源HTML解析器Jsoup第23页
    2.6. 数据获取第23-26页
        2.6.1. 使用jsoup工具包获取股票价格指数数据第24页
        2.6.2. 获取每日历史交易数据第24页
        2.6.3. 数据格式第24-25页
        2.6.4. 数据示例第25-26页
    2.7. 数据标准化第26-28页
        2.7.1. 计算每日综合价格第26页
        2.7.2. 计算每日综合成交量第26-28页
    2.8. 成交额综合指数第28-32页
        2.8.1. 成交额综合指数的计算方法第29-31页
        2.8.2. 成交额综合指数的有效性验证第31-32页
    2.9. 时间属性第32-35页
    2.10. 本章小结第35-36页
第三章. 所需成交量-综合价格拟合第36-44页
    3.1. 综合价格上升期间的所需成交量第36-40页
        3.1.1. 数据准备第36页
        3.1.2. 计算方法第36-38页
        3.1.3. 计算结果第38-40页
    3.2. 所需成交量-综合价格拟合第40-43页
        3.2.1. 拟合方法第40-41页
        3.2.2. 拟合结果分析第41-43页
    3.3. 本章小结第43-44页
第四章. K线数据拟合第44-50页
    4.1. K线数据K1第44-46页
        4.1.1. 数据示例:第45-46页
    4.2. K线数据K2第46-47页
        4.2.1. 数据示例:第46-47页
    4.3. K线数据分析第47-48页
    4.4. 本章小结第48-50页
第五章. 未来一年价格增长率的拟合第50-54页
    5.1. SVR和Linear Regression介绍第50页
    5.2. 交叉验证第50-51页
    5.3. 特征选取及标签第51-52页
        5.3.1. 特征第51页
        5.3.2. 标签第51-52页
        5.3.3. 数据示例第52页
    5.4. 拟合结果第52-53页
    5.5. 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56-60页
发表论文和参加科研情况第60-62页
附录A第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于机器学习的股指预测算法
下一篇:视线追踪的智能化应用研究