| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究目的与意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-14页 |
| 1.2.1 Xgboost理论及相关技术应用现状 | 第10-12页 |
| 1.2.2 离散曲线相似度计算研究现状 | 第12-13页 |
| 1.2.3 股票预测模型研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文的章节结构 | 第15-16页 |
| 第2章 金融异构信息预处理 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 非结构化金融文本信息采集与预处理 | 第16-20页 |
| 2.3 结构化金融数据信息采集与预处理 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 股票涨跌时序相似性计算 | 第24-30页 |
| 3.1 引言 | 第24页 |
| 3.2 同向比对股票涨跌时序相似性的度量 | 第24-25页 |
| 3.3 绝对距离对股票涨跌时序相似性的度量 | 第25-28页 |
| 3.3.1 基于欧式距离的股票涨跌时序相似性计算 | 第25-26页 |
| 3.3.2 基于Dtw算法的股票涨跌时序相似性计算 | 第26-28页 |
| 3.4 相关系数对股票涨跌时序相似性的度量 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 股票联动判别方法研究 | 第30-39页 |
| 4.1 引言 | 第30页 |
| 4.2 基于多特征的股票涨跌预测方法研究 | 第30-32页 |
| 4.2.1 股票涨跌预测方法样本集构建 | 第30页 |
| 4.2.2 股票涨跌预测方法研究 | 第30-32页 |
| 4.3 股票联动样本集构建 | 第32-33页 |
| 4.3.1 股票联动效应时间差选取 | 第32-33页 |
| 4.3.2 基于涨跌相似性的股票联动样本集构建 | 第33页 |
| 4.4 股票联动判别方法研究 | 第33-38页 |
| 4.4.1 基于Xgboost算法的股票联动判别方法 | 第33-35页 |
| 4.4.2 基于支持向量机的股票联动判别方法 | 第35-37页 |
| 4.4.3 基于支持向量回归的股票联动判别方法 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 实验平台与结果分析 | 第39-51页 |
| 5.1 引言 | 第39页 |
| 5.2 实验平台搭建 | 第39页 |
| 5.3 实验结果与分析 | 第39-50页 |
| 5.3.1 股票涨跌时序相似度计算 | 第39-44页 |
| 5.3.2 基于多特征股票涨跌预测方法对比实验 | 第44-46页 |
| 5.3.3 股票联动判别方法对比实验 | 第46-50页 |
| 5.4 实验结果评价 | 第50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |