基于网络信息挖掘的金融行情预测--以美国市场为例
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究综述 | 第13-15页 |
| 1.2.2 网络信息挖掘的金融应用现状 | 第14-15页 |
| 1.2.3 机器学习算法的数据挖掘应用现状 | 第15页 |
| 1.3 研究思路和主要工作 | 第15-16页 |
| 1.4 研究创新 | 第16-17页 |
| 1.5 文章结构 | 第17-18页 |
| 第二章 研究理论与方法 | 第18-44页 |
| 2.1 网络信息挖掘技术 | 第18-35页 |
| 2.1.1 市场情绪的表征 | 第18-21页 |
| 2.1.2 网络爬虫技术及方法 | 第21-24页 |
| 2.1.3 网络信息源的选择 | 第24-28页 |
| 2.1.4 文本挖掘技术及方法 | 第28-35页 |
| 2.2 市场情绪与市场行情的线性拟合 | 第35-37页 |
| 2.2.1 Fama-French三因子模型 | 第35-37页 |
| 2.2.2 基于三因子模型的网络信息预测模型 | 第37页 |
| 2.3 市场情绪与市场行情的非线性拟合 | 第37-44页 |
| 2.3.1 基于问题特性的算法比较 | 第37-39页 |
| 2.3.2 支持向量机基本原理 | 第39-44页 |
| 第三章 预测系统实现 | 第44-55页 |
| 3.1 网络爬虫模块实现 | 第44-47页 |
| 3.2 文本分析量化模块实现 | 第47-48页 |
| 3.3 金融预测模型模块实现 | 第48-55页 |
| 3.3.1 基本模型构建 | 第48-49页 |
| 3.3.2 模型变量调整 | 第49-55页 |
| 第四章 实证分析 | 第55-68页 |
| 4.1 实验变量和参数设置 | 第55-59页 |
| 4.1.1 市场行情 | 第55页 |
| 4.1.2 市场情绪变量 | 第55-59页 |
| 4.1.3 其他基本参数 | 第59页 |
| 4.2 实证结果 | 第59-68页 |
| 4.2.1 线性回归模型结果分析 | 第63-65页 |
| 4.2.2 非线性预测模型结果分析 | 第65-68页 |
| 第五章 结论与展望 | 第68-73页 |
| 5.1 实证结果的理论分析 | 第68-69页 |
| 5.2 研究启示 | 第69-73页 |
| 5.2.1 研究优势 | 第69-70页 |
| 5.2.2 研究缺陷及改进建议 | 第70-71页 |
| 5.2.3 研究总结及思路拓展 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
| 附录Ⅰ 模型汇总 | 第80-81页 |
| 附录Ⅱ 程序实现中使用的应用工具/库 | 第81-82页 |
| 附录Ⅲ 数据来源 | 第82-83页 |
| 附录Ⅳ 文本极性统计结果 | 第83-86页 |
