| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 论文研究的背景 | 第11-12页 |
| 1.1.2 论文的研究意义 | 第12-13页 |
| 1.2 文献综述 | 第13-17页 |
| 1.2.1 国外研究综述 | 第13-15页 |
| 1.2.2 国内研究综述 | 第15-17页 |
| 1.3 本文的研究思路与创新 | 第17-19页 |
| 1.3.1 研究思路 | 第17-18页 |
| 1.3.2 本文创新点 | 第18页 |
| 1.3.3 章节安排 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 预备知识 | 第20-39页 |
| 2.1 指数复制相关理论 | 第20-27页 |
| 2.1.1 指数复制方法 | 第20-22页 |
| 2.1.1.1 全样本复制 | 第20页 |
| 2.1.1.2 优化复制 | 第20-21页 |
| 2.1.1.3 抽样复制 | 第21-22页 |
| 2.1.2 跟踪误差 | 第22页 |
| 2.1.3 目标指数的选择 | 第22-25页 |
| 2.1.4 股票beta系数的相关理论 | 第25-27页 |
| 2.1.4.1 beta系数的计算公式 | 第25-26页 |
| 2.1.4.2 估计beta系数的样本区间及收益率的确定 | 第26页 |
| 2.1.4.3 贝塔系数的相关特性 | 第26-27页 |
| 2.2 聚类算法有关理论 | 第27-30页 |
| 2.2.1 聚类分析的算法 | 第27-28页 |
| 2.2.2 聚类相似性度量 | 第28-29页 |
| 2.2.3 行业内外的相关系数研究 | 第29-30页 |
| 2.3 支持向量机（SVM） | 第30-35页 |
| 2.3.1 支持向量机（SVM）的概念 | 第30-31页 |
| 2.3.2 最优超平面 | 第31-32页 |
| 2.3.3 核技巧 | 第32-33页 |
| 2.3.4 核函数的类型 | 第33-35页 |
| 2.4 支持向量回归机（SVR） | 第35-38页 |
| 2.4.1 标准支持向量回归机（SVR） | 第35-37页 |
| 2.4.2 加权支持向量回归机（SVR） | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 聚类选股的实证分析 | 第39-48页 |
| 3.1 数据的选取 | 第39页 |
| 3.2 成份股beta系数的估算 | 第39-41页 |
| 3.3 证监会行业分析 | 第41-44页 |
| 3.3.1 沪深300成份股行业分类 | 第41页 |
| 3.3.2 证监会行业分类效果研究 | 第41-43页 |
| 3.3.3 行业风险研究 | 第43-44页 |
| 3.4 聚类实证分析 | 第44-47页 |
| 3.4.1 沪深300成份股聚类实证分析 | 第44-45页 |
| 3.4.2 聚类有效性 | 第45-46页 |
| 3.4.3 聚类选股 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 权重优化模型及实证分析 | 第48-61页 |
| 4.1 数据提取及参数说明 | 第48-50页 |
| 4.1.1 参数说明以及约束条件 | 第48-49页 |
| 4.1.2 数据提取 | 第49-50页 |
| 4.2 传统的二次规划模型 | 第50-53页 |
| 4.2.1 二次规划模型的构建 | 第50-52页 |
| 4.2.2 二次规划模型实证分析 | 第52-53页 |
| 4.3 支持向量回归机（SVR）指数复制模型 | 第53-57页 |
| 4.3.1 时间加权的SVR指数复制模型的构建 | 第53-55页 |
| 4.3.2 普通SVR模型实证分析 | 第55-56页 |
| 4.3.3 时间加权的SVR模型实证分析 | 第56-57页 |
| 4.4 三个模型效果的对比分析 | 第57-60页 |
| 4.4.1 不同模型比较的绩效指标 | 第57-58页 |
| 4.4.2 模型跟踪效果对比分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |