| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第9-12页 |
| 1.1 数量化投资方法研究的现实背景 | 第9页 |
| 1.2 数量化技术国外发展情况 | 第9-10页 |
| 1.3 数量化技术国内发展情况 | 第10-11页 |
| 1.4 最优梯度优化方法的局限性 | 第11页 |
| 1.5 本文内容 | 第11-12页 |
| 第二章 加拿大皇家银行价值选股模型 | 第12-13页 |
| 2.1 模型指标体系 | 第12页 |
| 2.2 模型市场表现 | 第12-13页 |
| 第三章 小波算法简介 | 第13-20页 |
| 3.1 小波与小波变换 | 第13-15页 |
| 3.1.1 积分小波变换 | 第13-14页 |
| 3.1.2 二进小波及其变换 | 第14-15页 |
| 3.2 小波的分解与重构 | 第15-17页 |
| 3.2.1 分解算法 | 第16页 |
| 3.2.2 重构算法 | 第16-17页 |
| 3.3 SSNF(SPATIALLY SELECTIVE NOISE FILTRATION)算法 | 第17-20页 |
| 3.3.1 实例 | 第17-18页 |
| 3.3.2 算法步骤 | 第18-20页 |
| 第四章 遗传算法简介 | 第20-24页 |
| 4.1 最优化问题及求解算法 | 第20-21页 |
| 4.2 遗传算法介绍 | 第21页 |
| 4.3 遗传算法特点 | 第21-22页 |
| 4.4 遗传算法基本流程 | 第22-24页 |
| 第五章 研究设计 | 第24-29页 |
| 5.1 指标体系 | 第24页 |
| 5.2 实证数据选择 | 第24-25页 |
| 5.3 小波算法预处理数据 | 第25页 |
| 5.4 指标计算及标准化处理 | 第25-26页 |
| 5.5 遗传算法确定指标权重 | 第26-27页 |
| 5.6 价值模型选股步骤 | 第27-29页 |
| 第六章 实证检验 | 第29-39页 |
| 6.1 数据未进行小波算法预处理（模型1） | 第29-35页 |
| 6.1.1 筛选的股票池取前10 只股票更优 | 第29-30页 |
| 6.1.2 采用四个指标比五个指标效果更优 | 第30-31页 |
| 6.1.3 采用四个指标的十大金股结果分析 | 第31-33页 |
| 6.1.4 选股模型具有较强的超额收益 | 第33-34页 |
| 6.1.5 考虑数据缺失因素后的效果更好 | 第34-35页 |
| 6.2 数据进行小波算法预处理（模型2） | 第35-39页 |
| 6.2.1 超额收益对比 | 第35-36页 |
| 6.2.2 更好的防御能力 | 第36-37页 |
| 6.2.3 更好的超额收益能力 | 第37页 |
| 6.2.4 指数对比 | 第37-39页 |
| 第七章 结论 | 第39-40页 |
| 第八章 进一步研究 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录一 致谢 | 第44-45页 |
| 附录二 各期十大金股及收益率情况 | 第45-54页 |
| 上海交通大学硕士学位论文答辩决议书 | 第54页 |