| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景以及意义 | 第10-13页 |
| 1.2 国内外文献综述 | 第13-16页 |
| 1.3 本文基本框架、研究方法及创新之处 | 第16-18页 |
| 1.3.1 本文基本框架以及研究方法 | 第16-17页 |
| 1.3.2 本文的创新之处 | 第17-18页 |
| 第二章 因子的分类与与有效效性检验 | 第18-28页 |
| 2.1 因子模型的来源 | 第18-19页 |
| 2.2 因子的分类体系 | 第19-25页 |
| 2.3 因子的处理与有效性检验 | 第25-28页 |
| 第三章 基于AdaBoost的Alpha组合模型构建 | 第28-43页 |
| 3.1 机器学习梗概与步骤 | 第28-30页 |
| 3.2 AdaBoost算法 | 第30-36页 |
| 3.2.1 AdaBoost算法的来源 | 第31-32页 |
| 3.2.2 AdaBoost算法阐述 | 第32-35页 |
| 3.2.3 多分类代价敏感AdaBoost算法 | 第35-36页 |
| 3.3 Alpha策略 | 第36-39页 |
| 3.4 Markowitz投资组合理论 | 第39-41页 |
| 3.5 基于AdaBoost的Alpha组合模型 | 第41-43页 |
| 第四章 中国国股市预测实证研究 | 第43-57页 |
| 4.1 数据的描述与处理 | 第43-47页 |
| 4.2 大类因子实证检验结果与分析 | 第47-53页 |
| 4.3 最佳训练期实证探索 | 第53-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |