基于支持向量机理论的股指期货量化交易策略研究
致谢 | 第5-6页 |
摘要 | 第6-7页 |
Abstract | 第7-8页 |
1 绪论 | 第11-15页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 研究内容和框架 | 第12-13页 |
1.3 本文创新点 | 第13-15页 |
2 证券市场预测方法研究综述 | 第15-24页 |
2.1 证券投资分析法 | 第15-17页 |
2.1.1 基本面分析法 | 第15-16页 |
2.1.2 技术分析法 | 第16-17页 |
2.2 时间序列分析法 | 第17-19页 |
2.2.1 传统时间序列分析法 | 第17页 |
2.2.2 现代时间序列预测法 | 第17-19页 |
2.3 神经网络预测法 | 第19-20页 |
2.4 支持向量机预测法 | 第20-22页 |
2.5 本章小结 | 第22-24页 |
3 支持向量机预测模型相关理论基础 | 第24-36页 |
3.1 机器学习相关理论 | 第24-28页 |
3.1.1 机器学习的基本模型 | 第24-25页 |
3.1.2 统计学习理论 | 第25-28页 |
3.2 支持向量机相关理论 | 第28-34页 |
3.2.1 线性可分问题 | 第28-32页 |
3.2.2 线性不可分问题 | 第32-34页 |
3.3 本章小结 | 第34-36页 |
4 分类预测模型的构建 | 第36-46页 |
4.1 模型输入和输出变量的选取 | 第36-37页 |
4.2 模型参数寻优 | 第37-42页 |
4.2.1 遗传算法基本思想 | 第38页 |
4.2.2 遗传算法的主要流程 | 第38-41页 |
4.2.3 遗传算法参数选择 | 第41-42页 |
4.3 模型评价指标 | 第42-43页 |
4.4 模型总流程 | 第43-44页 |
4.5 本章小结 | 第44-46页 |
5 股指期货价格预测及策略建立 | 第46-65页 |
5.1 实验样本数据预处理 | 第46-52页 |
5.1.1 样本数据标准化 | 第47-48页 |
5.1.2 样本数据主成分分析 | 第48-52页 |
5.2 预测模型静态仿真 | 第52-57页 |
5.2.1 基础行情静态仿真结果 | 第53-55页 |
5.2.2 技术指标静态仿真结果 | 第55-57页 |
5.3 预测模型动态仿真 | 第57-58页 |
5.4 交易策略模型构建 | 第58-63页 |
5.4.1 策略思路 | 第58-60页 |
5.4.2 策略回测 | 第60-63页 |
5.5 本章小结 | 第63-65页 |
6 结论与展望 | 第65-67页 |
6.1 研究结论 | 第65-66页 |
6.2 研究展望 | 第66-67页 |
参考文献 | 第67-71页 |
附录 | 第71-76页 |