| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究内容和框架 | 第9-11页 |
| 1.2.1 研究内容 | 第9-10页 |
| 1.2.2 技术路线 | 第10-11页 |
| 1.3 研究方法与创新点 | 第11-13页 |
| 1.3.1 研究方法 | 第11页 |
| 1.3.2 创新点 | 第11-13页 |
| 2 汇率短期预测方法研究综述 | 第13-17页 |
| 2.1 基于线性模型的汇率短期预测研究综述 | 第13-15页 |
| 2.1.1 基于线性模型的汇率短期预测文献 | 第13-14页 |
| 2.1.2 基于线性模型的汇率短期预测方法评价 | 第14-15页 |
| 2.2 基于非线性模型的汇率短期预测研究综述 | 第15-17页 |
| 2.2.1 基于非线性模型的汇率短期预测文献 | 第15-16页 |
| 2.2.2 基于非线性模型的汇率短期预测方法评价 | 第16-17页 |
| 3 基于模糊信息粒化的支持向量机模型构建 | 第17-26页 |
| 3.1 信息粒化 | 第17-19页 |
| 3.1.1 信息粒化基本理论 | 第17页 |
| 3.1.2 模糊信息粒化方法 | 第17-19页 |
| 3.2 支持向量机模型 | 第19-24页 |
| 3.2.1 支持向量机基本原理 | 第19-20页 |
| 3.2.2 基于高斯核函数的支持向量机 | 第20-23页 |
| 3.2.3 基于交叉验证法的支持向量机参数优化 | 第23-24页 |
| 3.3 模糊信息粒化的支持向量机模型 | 第24-26页 |
| 4 基于模糊信息粒化的SVM模型对人民币兑美元汇率预测 | 第26-43页 |
| 4.1 数据来源及指标确定 | 第26页 |
| 4.2 数据处理 | 第26-29页 |
| 4.2.1 对原数据进行模糊信息粒化 | 第26-28页 |
| 4.2.2 对粒化后的数据进行预处理 | 第28-29页 |
| 4.3 基于SVM的参数优化 | 第29-34页 |
| 4.3.1 基于Low对SVM参数c和g的优化选择 | 第30-31页 |
| 4.3.2 基于R对SVM参数c和g的优化选择 | 第31-32页 |
| 4.3.3 基于Up对SVM参数c和g的优化选择 | 第32-34页 |
| 4.4 基于SVM对粒化数据的回归预测 | 第34-36页 |
| 4.4.1 基于SVM对参数Low进行回归预测 | 第34-35页 |
| 4.4.2 基于SVM对参数R进行回归预测 | 第35页 |
| 4.4.3 基于SVM对参数Up进行回归预测 | 第35-36页 |
| 4.5 基于SVM对原数据的回归预测 | 第36-40页 |
| 4.5.1 对原数据进行归一化处理 | 第37页 |
| 4.5.2 基于SVM对归一化后原数据的参数c和g的优化选择 | 第37-39页 |
| 4.5.3 基于SVM对人民币兑美元汇率的回归预测 | 第39-40页 |
| 4.6 模型检验 | 第40-43页 |
| 5 研究结论与展望 | 第43-45页 |
| 5.1 研究结论 | 第43-44页 |
| 5.2 研究展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-58页 |
| 程序1 基于模糊信息粒化的SVM模型对人民币兑美元汇率预测的程序代码 | 第48-54页 |
| 程序2 基于SVM对原数据回归预测的程序代码 | 第54-58页 |
| 致谢 | 第58页 |
