一种基于机器学习的股票预测和量化投资系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及意义 | 第11-14页 |
| 1.2 国内外发展现状 | 第14-17页 |
| 1.2.1 国内发展现状 | 第14-15页 |
| 1.2.2 国外发展现状 | 第15-17页 |
| 1.3 本文的创新和贡献 | 第17-18页 |
| 1.4 本文的组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关技术介绍与分析 | 第19-28页 |
| 2.1 多因子模型和主动投资基本原理 | 第19-20页 |
| 2.2 单层决策树 | 第20-22页 |
| 2.3 Adaboost算法 | 第22-24页 |
| 2.4 隐马尔科夫模型 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 特征测试与选择 | 第28-47页 |
| 3.1 总述 | 第28页 |
| 3.2 特征测试流程 | 第28-40页 |
| 3.2.1 预处理 | 第28-32页 |
| 3.2.2 特征自相关性性检验 | 第32-33页 |
| 3.2.3 回归法检验特征的回归收益 | 第33-36页 |
| 3.2.4 特征rank IC序列的检验 | 第36-38页 |
| 3.2.5 特征的时间衰减测试 | 第38-39页 |
| 3.2.6 特征五分位回测检验 | 第39-40页 |
| 3.3 部分特殊的特征举例 | 第40-42页 |
| 3.3.1 PEG | 第40页 |
| 3.3.2 MACD | 第40-41页 |
| 3.3.3 RSI | 第41-42页 |
| 3.4 建立特征库 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于Adaboost分类器的选股模型 | 第47-60页 |
| 4.1 分类与预测总流程 | 第47-49页 |
| 4.2 弱分类器:Decision stump | 第49-50页 |
| 4.3 Adaboost构造强分类器 | 第50-54页 |
| 4.3.1 弱分类器的集成 | 第50-51页 |
| 4.3.2 弱分类器个数的选择 | 第51-54页 |
| 4.4 回溯测试及分析 | 第54-58页 |
| 4.4.1 回溯测试过程 | 第54页 |
| 4.4.2 策略收益率分析 | 第54-58页 |
| 4.4.3 特征使用情况分析 | 第58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 基于隐马尔科夫模型改进的风格识别模型 | 第60-71页 |
| 5.1 基于Adaboost的多因子模型的缺点 | 第60页 |
| 5.2 基于隐马尔科夫模型的市场风格识别方法 | 第60-63页 |
| 5.3 风格辨识的具体步骤 | 第63-66页 |
| 5.4 基于风格辨识的抽样方法 | 第66-68页 |
| 5.5 回溯测试与生产环境测试 | 第68-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第6章 投资系统架构与案例展示 | 第71-79页 |
| 6.1 投资系统整体架构 | 第71-72页 |
| 6.2 智能投顾产品展示 | 第72-77页 |
| 6.3 本章小结 | 第77-79页 |
| 第7章 总结与展望 | 第79-82页 |
| 7.1 工作总结 | 第79-81页 |
| 7.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间主要的研究成果 | 第86-87页 |
| 致谢 | 第87页 |
