| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 致谢 | 第11-16页 |
| 第一章 绪论 | 第16-28页 |
| ·研究背景及意义 | 第16-17页 |
| ·金融时间序列的分类 | 第17页 |
| ·金融数据分析方法概述 | 第17-21页 |
| ·传统的时间序列分析方法 | 第18-19页 |
| ·数据挖掘方法 | 第19-21页 |
| ·分形理论及其在金融数据分析中的研究现状 | 第21-26页 |
| ·分形理论的提出 | 第21-22页 |
| ·分形技术在金融数据分析中的研究现状 | 第22-26页 |
| ·本文的组织结构和内容安排 | 第26-28页 |
| 第二章 趋势分形维数及其计算方法 | 第28-53页 |
| ·分形维数及其计算方法概述 | 第28-39页 |
| ·分形维数的定义 | 第28-31页 |
| ·金融时间序列分形维数计算方法 | 第31-39页 |
| ·分形维数求解过程中直线拟合的方法 | 第39-41页 |
| ·趋势分形维数的概念 | 第41-42页 |
| ·趋势分形维数的计算方法 | 第42-51页 |
| ·趋势分形维数的意义 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第三章 基于趋势分形维数的金融时间序列数据相似性分析 | 第53-63页 |
| ·时间序列相似性分析概述 | 第53-57页 |
| ·时间序列的表示方法 | 第53-55页 |
| ·时间序列相似性度量方法 | 第55-57页 |
| ·时间序列相似性算法性能评估 | 第57页 |
| ·基于趋势分形维数的时间序列相似性分析 | 第57-61页 |
| ·分形维数在时间序列相似性分析中的研究现状 | 第57-58页 |
| ·基于趋势分形维数的相似性分析结果 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第四章 多元时间序列分形维数的计算 | 第63-72页 |
| ·多元时间序列分形维数计算方法概述 | 第63-66页 |
| ·一种多元时间序列分形维数计算方法 | 第66-71页 |
| ·Lorenz 系统的分形维数计算 | 第68-69页 |
| ·上证股指指标时间序列的分形维数计算 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于分形属性选择算法的多元金融时间序列数据分析 | 第72-93页 |
| ·分形属性选择算法 | 第74-75页 |
| ·基于分形维数和蚁群算法的属性选择方法 | 第75-80页 |
| ·基于蚁群算法和分形维数的属性选择方法算法性能验证 | 第80-84页 |
| ·SVM 参数选择问题 | 第81-82页 |
| ·实验结果 | 第82-83页 |
| ·时间复杂度分析 | 第83-84页 |
| ·多元金融时间序列预测 | 第84-91页 |
| ·股票数据集的选择 | 第86-87页 |
| ·实验结果分析 | 第87-91页 |
| ·本章小结 | 第91-93页 |
| 第六章 总结与展望 | 第93-95页 |
| ·论文工作的总结 | 第93-94页 |
| ·展望 | 第94-95页 |
| 参考文献 | 第95-104页 |
| 攻读博士学位期间参加的科研工作和发表论文情况 | 第104-106页 |
