基于支持向量机的中国证券市场长期投资分析
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-12页 |
| 1 绪论 | 第12-22页 |
| ·引言 | 第12-13页 |
| ·证券投资分析概述 | 第13-17页 |
| ·证券市场的发展 | 第13-16页 |
| ·证券投资分析的主要流派 | 第16-17页 |
| ·支持向量机的应用现状 | 第17-19页 |
| ·本文的结构安排 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 2 支持向量机的理论基础与核心内容 | 第22-39页 |
| ·传统机器学习与统计学习理论 | 第22-26页 |
| ·传统机器学习问题 | 第22-23页 |
| ·统计学习理论 | 第23-26页 |
| ·支持向量机 | 第26-38页 |
| ·支持向量机概述 | 第26-27页 |
| ·线性分类器 | 第27-28页 |
| ·非线性分类器 | 第28-29页 |
| ·支持向量机常用的核函数 | 第29-31页 |
| ·最大间隔分类 | 第31-33页 |
| ·SVM和核函数的参数选择 | 第33-35页 |
| ·支持向量机对不平衡数据的处理 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 3 长期投资决策实证研究的初步建模 | 第39-61页 |
| ·引言 | 第39-40页 |
| ·研究对象 | 第40-48页 |
| ·股票的选取 | 第40-43页 |
| ·财务指标的选取 | 第43-48页 |
| ·研究工具 | 第48-49页 |
| ·研究方案 | 第49-60页 |
| ·数据的处理 | 第49-51页 |
| ·核函数的选择 | 第51-52页 |
| ·初步建模与预测 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 4 长期投资决策实证研究的改进建模 | 第61-85页 |
| ·解决数据不平衡问题的方案一 | 第61-68页 |
| ·解决数据不平衡问题的方案二 | 第68-75页 |
| ·预测结果比较 | 第75-84页 |
| ·本章小结 | 第84-85页 |
| 5 结论 | 第85-86页 |
| 参考文献 | 第86-88页 |
| 附录A | 第88-92页 |
| 作者简历 | 第92-94页 |
| 学位论文数据集 | 第94页 |
