| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 目录 | 第9-12页 |
| 插图与附表清单 | 第12-14页 |
| 1 绪论 | 第14-17页 |
| 1.1 课题背景与意义 | 第14-15页 |
| 1.2 股票指数跟踪问题的研究现状及发展趋势 | 第15页 |
| 1.3 论文的主要研究内容与论文结构 | 第15-17页 |
| 2 股票指数跟踪问题概述 | 第17-23页 |
| 2.1 系统性风险与非系统性风险 | 第17页 |
| 2.2 股票指数形成机制 | 第17-18页 |
| 2.3 指数跟踪问题数学描述 | 第18-20页 |
| 2.3.1 符号定义 | 第18-19页 |
| 2.3.2 约束条件 | 第19页 |
| 2.3.3 跟踪误差 | 第19-20页 |
| 2.4 指数跟踪主要方法 | 第20-22页 |
| 2.4.1 完全复制法 | 第20页 |
| 2.4.2 不完全复制法 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 成分股聚类分析构建指数跟踪组合 | 第23-49页 |
| 3.1 聚类分析的基本概念 | 第23-28页 |
| 3.1.1 聚类问题数学描述 | 第23-24页 |
| 3.1.2 聚类算法的目标要求 | 第24-25页 |
| 3.1.3 数据特征矩阵和标准化 | 第25-27页 |
| 3.1.4 聚类区间距离与相似度测量 | 第27-28页 |
| 3.2 主要的聚类算法概述 | 第28-30页 |
| 3.2.1 划分方法聚类 | 第28页 |
| 3.2.2 层次聚类 | 第28-29页 |
| 3.2.3 自组织映射网络SOM聚类 | 第29-30页 |
| 3.3 成分股算法设计与实现 | 第30-36页 |
| 3.3.1 数据采集 | 第31页 |
| 3.3.2 成分股聚类算法实现 | 第31-36页 |
| 3.4 对成分股的聚类算法分析结果 | 第36-48页 |
| 3.4.1 对沪深300成分股的Ward聚类结果及分析 | 第36-41页 |
| 3.4.2 对沪深300成分股的K均值聚类结果及分析 | 第41-43页 |
| 3.4.3 对沪深300成分股的SOM神经网络聚类结果及分析 | 第43-48页 |
| 3.4.4 综合聚类结果的跟踪组合成分股选取 | 第48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 指数跟踪问题的遗传算法设计与实现 | 第49-60页 |
| 4.1 遗传算法基本思想与优点 | 第49-50页 |
| 4.2 指数跟踪问题的遗传算法设计 | 第50-52页 |
| 4.2.1 变量定义 | 第50-51页 |
| 4.2.2 算法原理和设计思路 | 第51-52页 |
| 4.3 指数跟踪问题的遗传算法具体实现 | 第52-59页 |
| 4.3.1 数据预处理 | 第52-53页 |
| 4.3.2 变量编码 | 第53-54页 |
| 4.3.3 初始种群生成 | 第54-55页 |
| 4.3.4 适应度函数计算 | 第55-57页 |
| 4.3.5 选择算子 | 第57-58页 |
| 4.3.6 交叉算子 | 第58页 |
| 4.3.7 变异算子 | 第58-59页 |
| 4.3.8 加入贪婪思想生成最终子代 | 第59页 |
| 4.3.9 结束条件—全局收敛 | 第59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 沪深300指数跟踪实证分析与对比 | 第60-76页 |
| 5.1 数据样本选取 | 第60页 |
| 5.2 成分股权重求取 | 第60-63页 |
| 5.3 对沪深300指数的跟踪结果分析 | 第63-75页 |
| 5.3.1 跟踪质量衡量指标 | 第63-64页 |
| 5.3.2 跟踪效果比较和分析 | 第64-68页 |
| 5.3.3 指数拟合效果 | 第68-72页 |
| 5.3.4 误差分布情况 | 第72-74页 |
| 5.3.5 算法迭代速度 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 附录（核心程序代码） | 第81-83页 |
| 作者简介 | 第83-84页 |
| 作者攻读硕士学位期间发表的论文 | 第84页 |
