基于支持向量机的股票价格预测研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 股票预测国内外研究现状 | 第11-16页 |
| 1.2.1 股票预测方法研究现状 | 第11-15页 |
| 1.2.2 股票分析软件 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-20页 |
| 2 股票预测相关理论知识 | 第20-32页 |
| 2.1 统计学理论背景 | 第20页 |
| 2.2 VC维原理与结构风险最小化 | 第20-24页 |
| 2.2.1 VC维原理 | 第20-22页 |
| 2.2.2 结构风险最小化 | 第22-24页 |
| 2.3 支持向量机 | 第24-29页 |
| 2.3.1 分类支持向量机 | 第24-27页 |
| 2.3.2 回归支持向量机 | 第27-29页 |
| 2.4 股票知识 | 第29-30页 |
| 2.5 小结 | 第30-32页 |
| 3 核函数的应用与核参数的选取 | 第32-46页 |
| 3.1 核函数与参数概述 | 第32-33页 |
| 3.2 优化核参数算法 | 第33-35页 |
| 3.2.1 遗传算法优化参数 | 第33-34页 |
| 3.2.2 粒子群算法优化参数 | 第34-35页 |
| 3.3 核函数对比实验 | 第35-43页 |
| 3.3.1 实验过程和总结构流程图 | 第35-36页 |
| 3.3.2 数据选取与数据预处理 | 第36-38页 |
| 3.3.3 仿真实验及结果 | 第38-43页 |
| 3.4 优化核参数对比实验 | 第43-45页 |
| 3.5 小结 | 第45-46页 |
| 4 不同指标体系的SVM回归预测模型 | 第46-56页 |
| 4.1 技术指标简介 | 第46-47页 |
| 4.2 实验总体流程与样本指标的选取 | 第47-49页 |
| 4.2.1 实验总体流程 | 第47-48页 |
| 4.2.2 样本指标的选取 | 第48-49页 |
| 4.3 仿真实验 | 第49-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 结合分形理论应用对比研究 | 第56-70页 |
| 5.1 分形维数简介 | 第56-57页 |
| 5.2 分形维数求解过程 | 第57页 |
| 5.3 分形维数实验过程与结果分析 | 第57-64页 |
| 5.4 支持向量机与神经网络的比较 | 第64-68页 |
| 5.4.1 神经网络算法简介 | 第64页 |
| 5.4.2 实验数据 | 第64页 |
| 5.4.3 实验结果分析 | 第64-68页 |
| 5.5 小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第78页 |
