| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·研究现状 | 第10-15页 |
| ·统计学方法 | 第11-12页 |
| ·机器学习方法 | 第12-13页 |
| ·组合方法 | 第13-15页 |
| ·研究内容和论文结构 | 第15-18页 |
| ·研究内容 | 第16-17页 |
| ·章节安排 | 第17-18页 |
| 第2章 基础知识 | 第18-32页 |
| ·股票价格预测及其预测模型评价 | 第18-20页 |
| ·股票价格序列预测 | 第18-19页 |
| ·预测模型评价 | 第19-20页 |
| ·小波分析与多分辨分析 | 第20-22页 |
| ·拟周期检测与 Fourier 变换 | 第22-25页 |
| ·时间序列常用模型 | 第25-27页 |
| ·自回归模型（AR） | 第26页 |
| ·滑动平均模型（MA） | 第26页 |
| ·自回归滑动平均模型（ARMA） | 第26-27页 |
| ·自回归异方差模型（ARCH） | 第27页 |
| ·卡尔曼滤波 | 第27-29页 |
| ·组合预测方法 | 第29-32页 |
| 第3章 股票价格预测的时间序列组合模型方法 | 第32-42页 |
| ·组合预测方法框架 | 第33-36页 |
| ·基于股价类随机成分成因的预测模型及其改进 | 第36-39页 |
| ·一类新的股票价格类随机部分预测方法——类趋势变化回归模型（Trend Movement Regressive Model: TMR） | 第37-38页 |
| ·基于类卡尔曼滤波的类随机预测方法改进算法 | 第38-39页 |
| ·组合结果选取的最小均方离差率准则 | 第39-42页 |
| 第4章 实验结果与分析 | 第42-67页 |
| ·实验条件 | 第42-43页 |
| ·实验结果与分析 | 第43-65页 |
| ·不同滤波器获取趋势对预测结果的影响 | 第44-49页 |
| ·类 TMR 模型以及类随机结果修正算法的预测效果分析 | 第49-61页 |
| ·类 TMR 模型的预测效果对比与分析 | 第49-54页 |
| ·基于类卡尔曼滤波的类随机预测修正算法 | 第54-61页 |
| ·总成实验与组合结果选取最小均方离差率准则的有效性分析 | 第61-65页 |
| ·小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 一、论文工作总结与创新 | 第67页 |
| 二、未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录 A 攻读硕士学位期间参加的科研项目 | 第74页 |
