| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第7-9页 |
| 1.1 课题研究的背景 | 第7页 |
| 1.2 课题研究的现状 | 第7-8页 |
| 1.3 主要的研究内容 | 第8页 |
| 1.4 本文的组织结构 | 第8-9页 |
| 2 时间序列理论 | 第9-18页 |
| 2.1 时间序列相关概念 | 第9-11页 |
| 2.1.1 时间序列定义 | 第9页 |
| 2.1.2 平稳时间序列定义 | 第9-11页 |
| 2.2 一般时间序列模型 | 第11-14页 |
| 2.2.1 AR模型及其统计特性 | 第11-12页 |
| 2.2.2 MA模型及其统计特性 | 第12-13页 |
| 2.2.3 ARMA模型及其统计特性 | 第13页 |
| 2.2.4 ARIMA模型及其统计特性 | 第13-14页 |
| 2.3 条件异方差模型 | 第14-18页 |
| 2.3.1 ARCH模型及其统计特性 | 第14-15页 |
| 2.3.2 GARCH模型及其统计特性 | 第15-18页 |
| 3 支持向量回归理论 | 第18-24页 |
| 3.1 理论基础 | 第18-19页 |
| 3.1.1 V C维 | 第18页 |
| 3.1.2 经验风险最小化准则和结构风险最小化准则 | 第18-19页 |
| 3.1.3 核函数 | 第19页 |
| 3.2 支持向量回归算法 | 第19-24页 |
| 3.2.1 线性回归算法 | 第20-22页 |
| 3.2.2 非线性回归算法 | 第22-24页 |
| 4 支持向量回归在金融时间序列预测中的应用 | 第24-32页 |
| 4.1 引言 | 第24页 |
| 4.2 西南证券数据的拟合与预测 | 第24-28页 |
| 4.2.1 数据的来源及预处理 | 第24-25页 |
| 4.2.2 数据检验 | 第25-26页 |
| 4.2.3 模型的识别与建立 | 第26-28页 |
| 4.2.4 预测精度的比较分析 | 第28页 |
| 4.3 上证指数数据的拟合与预测 | 第28-31页 |
| 4.4 小结 | 第31-32页 |
| 5 结论与展望 | 第32-33页 |
| 参考文献 | 第33-34页 |
| 攻读硕士学位期间发表学术论文情况 | 第34-35页 |
| 致谢 | 第35页 |