首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于支持向量机参数优化算法的股票智能投顾策略研究

摘要第2-4页
Abstract第4-5页
第1章 绪论第8-14页
    1.1 研究背景第8-9页
    1.2 研究目的和意义第9-10页
    1.3 研究内容、方法和技术路线第10-13页
        1.3.1 研究内容第10-11页
        1.3.2 研究方法和技术路线第11-13页
    1.4 本文的主要贡献第13-14页
第2章 文献综述与相关理论第14-29页
    2.1 文献综述第14-18页
        2.1.1 智能机器学习发展历史与研究现状第14-16页
        2.1.2 金融数据挖掘应用支持向量机研究现状第16页
        2.1.3 支持向量机参数优化算法的文献综述第16-17页
        2.1.4 相关文献述评第17-18页
    2.2 相关理论第18-29页
        2.2.1 基本分析理论第18-19页
        2.2.2 技术分析理论第19页
        2.2.3 机器学习理论第19-20页
        2.2.4 支持向量机理论第20-29页
第3章 股票智能投顾市场的问题描述与分析第29-33页
    3.1 股票预测方法出现的问题与分析第29-30页
    3.2 核函数与参数的优化问题与分析第30-31页
    3.3 市场上券商智能投顾的研究现状与分析第31-33页
第4章 支持向量机参数优化股票智能投顾方案设计第33-41页
    4.1 数据与变量选择第34-36页
    4.2 数据处理第36-37页
    4.3 模型构建第37-39页
        4.3.1 综合模型的建立第37-39页
        4.3.2 神经网格与支持向量机对比模型的建立第39页
    4.4 方案设计过程总结第39-41页
第5章 方案可行性论证及应用第41-57页
    5.1 核函数的选取与参数调优的运用第41-46页
        5.1.1 基于网格算法的参数调优第41-42页
        5.1.2 基于遗传算法的参数调优第42-44页
        5.1.3 基于粒子群算法的参数调优第44-46页
    5.2 采用不同参数调优模型预测结果对比第46-50页
    5.3 BP神经网格与支持向量机模型的对比实验第50-53页
    5.4 方案的应用与策略结果分析第53-57页
第6章 结论与展望第57-59页
    6.1 论文总结第57-58页
    6.2 论文展望第58-59页
参考文献第59-61页
附录第61-64页
致谢第64-65页
攻读学位期间的研究成果第65-66页

论文共66页,点击 下载论文
上一篇:天使投资对大学生初创企业的投资价值评估研究
下一篇:证券市场信息披露中注册会计师虚假陈述监管研究