| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第6-14页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文的研究内容及创新 | 第11-14页 |
| 第2章 经典计量经济学与现代机器学习模型介绍 | 第14-24页 |
| 2.1 ARMA和ARIMA模型 | 第14-15页 |
| 2.2 ARCH和GARCH模型 | 第15-16页 |
| 2.3 机器学习与支持向量机 | 第16-18页 |
| 2.4 遗传算法和粒子群算法 | 第18-24页 |
| 第3章 数据选取与描述性统计分析 | 第24-32页 |
| 3.1 数据选取与预处理 | 第24-25页 |
| 3.2 描述性统计分析 | 第25-32页 |
| 第4章 实证研究 | 第32-48页 |
| 4.1 研究思路概述 | 第32页 |
| 4.2 模型预测效果的评价方法 | 第32-33页 |
| 4.3 创业板指数的实证分析 | 第33-46页 |
| 4.4 预测效果的比较与分析 | 第46-48页 |
| 第5章 政策与建议 | 第48-51页 |
| 5.1 总结 | 第48-49页 |
| 5.2 政策建议 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |