基于支持向量机的选时和选股研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-16页 |
| 第一章 绪论 | 第16-36页 |
| ·引言 | 第16-18页 |
| ·建模方法的回顾和展望 | 第18-27页 |
| ·SVMs 的研究现状 | 第27-33页 |
| ·研究内容及结构安排 | 第33-36页 |
| 第二章 统计学习理论与支持向量机算法 | 第36-56页 |
| ·引言 | 第36页 |
| ·学习问题的表述 | 第36-40页 |
| ·统计学习理论 | 第40-42页 |
| ·结构风险最小化 | 第42-44页 |
| ·支撑向量机 | 第44-49页 |
| ·非线性支撑向量机 | 第49-53页 |
| ·支撑向量机的推广性 | 第53-54页 |
| ·SVM 常用的核函数 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第三章 基于SVMs 的上证综合指数回归分析 | 第56-76页 |
| ·引言 | 第56-57页 |
| ·股价动力学模型分析 | 第57-59页 |
| ·SVMs 回归的数学原理与预测方法 | 第59-64页 |
| ·上证综合指数回归分析 | 第64-70页 |
| ·对上证综合指数提前5 天的回归分析 | 第70-72页 |
| ·BP 神经网络与SVMs 的预测结果之比较 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第四章 基于SVMs 分类算法的选股研究 | 第76-94页 |
| ·引言 | 第76-77页 |
| ·模式识别原理简介 | 第77-80页 |
| ·基于SVMs 分类算法的选股流程 | 第80-81页 |
| ·基于SVMs 的分类算法 | 第81-84页 |
| ·数据及数据预处理 | 第84-85页 |
| ·基于改进的PCA 的特征提取 | 第85-89页 |
| ·实验及实验结果 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 基于SVMEI 的股票选择研究 | 第94-107页 |
| ·引言 | 第94-95页 |
| ·基于SVMEI 的股票选择过程 | 第95-97页 |
| ·基于KPCA 的特征提取 | 第97-101页 |
| ·数据及实验 | 第101-105页 |
| ·本章小结 | 第105-107页 |
| 第六章 总结与展望 | 第107-120页 |
| ·全文研究的总结 | 第107-108页 |
| ·未来进一步研究工作的展望 | 第108-120页 |
| 致谢 | 第120-121页 |
| 攻读博士学位期间发表和参与的研究课题 | 第121页 |
