| 摘要 | 第5-7页 |
| Abatract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 股票分析方法研究现状 | 第13-16页 |
| 1.2.2 多周期投资组合研究现状 | 第16-17页 |
| 1.3 本文的工作概要和内容安排 | 第17-20页 |
| 1.3.1 主要工作及本文创新之处 | 第17-18页 |
| 1.3.2 本文主要创新点 | 第18-19页 |
| 1.3.3 本文章节安排 | 第19-20页 |
| 第二章 股票研究内容与股票分析技术 | 第20-31页 |
| 2.1 股票分析研究内容 | 第20-23页 |
| 2.1.1 股票及股市概述 | 第20页 |
| 2.1.2 股票指数 | 第20-21页 |
| 2.1.3 股票预测变量及相关术语 | 第21-22页 |
| 2.1.4 股票投资三要素 | 第22-23页 |
| 2.2 股票分析研究方法 | 第23-30页 |
| 2.2.1 引言 | 第23-24页 |
| 2.2.2 传统股票分析方法 | 第24-29页 |
| 2.2.3 基于数据挖掘技术的股票分析方法 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于双聚类的交易规则挖掘 | 第31-56页 |
| 3.1 聚类分析 | 第32-36页 |
| 3.1.1 聚类分析的定义 | 第32-33页 |
| 3.1.2 聚类分析中的数据类型 | 第33-34页 |
| 3.1.4 凝聚层次聚类 | 第34-36页 |
| 3.2 双聚类概述 | 第36-41页 |
| 3.2.1 双聚类算法产生背景 | 第36-37页 |
| 3.2.2 双聚类算法研究现状 | 第37-38页 |
| 3.2.3 双聚类定义 | 第38-39页 |
| 3.2.4 双聚类类型 | 第39-40页 |
| 3.2.5 Cheng-Church双聚类算法 | 第40-41页 |
| 3.3 基于双聚类的交易规则挖掘 | 第41-55页 |
| 3.3.1 技术指标矩阵构建 | 第41-49页 |
| 3.3.2 基于双聚类的交易模式挖掘 | 第49-51页 |
| 3.3.3 基于支持度方法的交易模式分类 | 第51-52页 |
| 3.3.4 基于K近邻的交易行为确定 | 第52-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于嵌套粒子群优化的多周期投资交易规则 | 第56-67页 |
| 4.1 最优化问题概述 | 第57页 |
| 4.2 最优化问题的数学描述 | 第57页 |
| 4.3 粒子群优化算法 | 第57-62页 |
| 4.3.1 粒子群优化算法原理 | 第58-60页 |
| 4.3.3 粒子群优化算法流程 | 第60-61页 |
| 4.3.4 粒子群优化算法参数分析 | 第61-62页 |
| 4.4 基于嵌套粒子群优化的多周期投资交易规则挖掘 | 第62-66页 |
| 4.4.1 NPSO算法概述 | 第63页 |
| 4.4.2 NPSO的目标函数 | 第63-64页 |
| 4.4.3 NPSO的流程 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 实证分析 | 第67-88页 |
| 5.1 概述 | 第67-68页 |
| 5.2 实验平台描述 | 第68页 |
| 5.3 实验数据 | 第68-71页 |
| 5.3.1 实验一数据 | 第69页 |
| 5.3.2 实验二数据 | 第69-71页 |
| 5.4 实验参数设置 | 第71-72页 |
| 5.5 实验结果评价方法 | 第72-73页 |
| 5.6 实验结果与分析 | 第73-87页 |
| 5.6.1 实验一结果与分析 | 第74-75页 |
| 5.6.2 实验二结果与分析 | 第75-87页 |
| 5.7 本章小结 | 第87-88页 |
| 总结和展望 | 第88-90页 |
| 本文工作总结 | 第88-89页 |
| 工作展望 | 第89-90页 |
| 参考文献 | 第90-97页 |
| 附录 | 第97-107页 |
| 攻读硕士学位期间取得的研究成果 | 第107-108页 |
| 致谢 | 第108-110页 |
| 附件 | 第110页 |