| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究的意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 研究内容及研究方法 | 第17页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 研究方法 | 第17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关理论知识介绍 | 第19-26页 |
| 2.1 股票投资分析方法概述 | 第19-20页 |
| 2.1.1 基本分析法概述 | 第19-20页 |
| 2.1.2 技术分析法概述 | 第20页 |
| 2.2 数据挖掘概述 | 第20-24页 |
| 2.2.1 数据挖掘概念 | 第21页 |
| 2.2.2 数据挖掘任务 | 第21-22页 |
| 2.2.3 数据挖掘的步骤 | 第22-24页 |
| 2.3 数据挖掘在股票分析预测中的适用性 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于决策树的逐步回归算法 | 第26-39页 |
| 3.1 逐步回归算法介绍 | 第26-28页 |
| 3.1.1 逐步回归算法基本思想 | 第26页 |
| 3.1.2 逐步回归算法步骤 | 第26-28页 |
| 3.2 决策树算法的介绍 | 第28-31页 |
| 3.2.1 决策树算法的理解 | 第28-29页 |
| 3.2.2 决策树算法的生长 | 第29-30页 |
| 3.2.3 决策树算法的修剪 | 第30-31页 |
| 3.3 CART决策树算法介绍 | 第31-37页 |
| 3.3.1 构建最大数 | 第31-34页 |
| 3.3.2 修剪决策树 | 第34-36页 |
| 3.3.3 子树评估 | 第36-37页 |
| 3.4 基于决策树的逐步回归算法介绍 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于决策树的逐步回归算法在股票预测上的应用 | 第39-66页 |
| 4.1 上市公司财务指标的选取 | 第39-45页 |
| 4.2 数据的选取 | 第45-46页 |
| 4.3 数据预处理 | 第46-47页 |
| 4.4 逐步回归算法模型的建立和实证分析 | 第47-53页 |
| 4.4.1 模型建立 | 第47-49页 |
| 4.4.2 实证分析 | 第49-53页 |
| 4.5 CART决策树算法模型的建立和实证分析 | 第53-59页 |
| 4.5.1 上市公司的分类标准 | 第53页 |
| 4.5.2 模型建立 | 第53-55页 |
| 4.5.3 实证分析 | 第55-59页 |
| 4.6 CART决策树算法模型改进 | 第59-62页 |
| 4.6.1 模型改进思想 | 第59页 |
| 4.6.2 实证分析 | 第59-62页 |
| 4.7 基于决策树的逐步回归算法模型 | 第62-65页 |
| 4.7.1 实证分析 | 第62-65页 |
| 4.8 本章小结 | 第65-66页 |
| 总结与展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表论文及成果 | 第73-75页 |
| 致谢 | 第75页 |