| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·主要研究方法及研究内容 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·研究方法 | 第13页 |
| ·研究框架 | 第13-14页 |
| ·本章小结 | 第14-16页 |
| 第2章 相关理论知识 | 第16-24页 |
| ·常用的证券投资分析方法 | 第16-20页 |
| ·基本面分析 | 第16-19页 |
| ·技术分析 | 第19页 |
| ·量化分析 | 第19-20页 |
| ·数据挖掘理论 | 第20-23页 |
| ·数据挖掘方法 | 第20-21页 |
| ·数据挖掘步骤 | 第21-22页 |
| ·数据挖掘的分类技术 | 第22-23页 |
| ·数据挖掘在股票分类预测中的适用性 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 C5.0 决策树、BP 和 RBF 神经网络分类算法 | 第24-35页 |
| ·C5.0 决策树算法 | 第24-27页 |
| ·C5.0 决策树的生长 | 第24-26页 |
| ·C5.0 对连续属性的处理 | 第26页 |
| ·C5.0 对缺失数据的处理 | 第26页 |
| ·C5.0 对生成规则的利用 | 第26页 |
| ·C5.0 对决策树的修剪 | 第26-27页 |
| ·神经网络算法 | 第27-33页 |
| ·人工神经元模型 | 第27页 |
| ·BP 神经网络 | 第27-31页 |
| ·RBF 神经网络 | 第31-32页 |
| ·BP 神经网络与 RBF 神经网络异同点 | 第32-33页 |
| ·决策树及神经网络算法在股票分类预测的适用性 | 第33-34页 |
| ·决策树分类预测的适用性 | 第33页 |
| ·神经网络分类预测的适用性 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 C5.0、BP 和 RBF 算法在股票分类预测中的应用 | 第35-49页 |
| ·数据的选取与指标的确定 | 第35-38页 |
| ·指标的确定 | 第35-36页 |
| ·数据的选取 | 第36页 |
| ·样本的描述性统计 | 第36-38页 |
| ·决策树分类模型的建立 | 第38-43页 |
| ·模型参数设置 | 第38-40页 |
| ·决策树模型输出及结果分析 | 第40-42页 |
| ·模型的评估 | 第42-43页 |
| ·BP 神经网络模型的建立 | 第43-45页 |
| ·BP 模型参数设置 | 第43-44页 |
| ·BP 模型输出及结果分析 | 第44-45页 |
| ·模型的评估 | 第45页 |
| ·RBF 神经网络模型的建立 | 第45-47页 |
| ·RBF 模型参数设置 | 第45-46页 |
| ·RBF 模型输出及结果分析 | 第46-47页 |
| ·模型的评估 | 第47页 |
| ·C5.0、BP 及 RBF 模型分类结果的分析比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56-59页 |
| 附录一：研究生期间发表的论文及科研情况 | 第56-57页 |
| 附录二：样本股票名称及代码 | 第57-59页 |
