| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究目的与意义 | 第9-10页 |
| ·文献综述 | 第10-16页 |
| ·数据挖掘在证券领域中的应用研究现状 | 第10-11页 |
| ·证券领域的三个分析角度及相应的数据挖掘技术 | 第11-13页 |
| ·波动率预测的研究进展 | 第13-16页 |
| ·本文的研究内容与创新点 | 第16页 |
| ·研究框架与结构安排 | 第16-18页 |
| 第二章 股票投资与预测概述 | 第18-28页 |
| ·证券投资与证券分析方法 | 第18-20页 |
| ·影响股票价格波动的因素 | 第20-22页 |
| ·研究股票收益率波动的方法 | 第22-25页 |
| ·ARCH系模型族 | 第22-24页 |
| ·随机波动性模型 | 第24-25页 |
| ·数据挖掘神经网络方法 | 第25页 |
| ·股市预测面临的主要难题 | 第25-26页 |
| ·利用数据挖掘方法对股市预测的可行性 | 第26-28页 |
| 第三章 数据挖掘技术 | 第28-41页 |
| ·数据挖掘产生的背景 | 第28页 |
| ·知识发现和知识发现过程 | 第28-30页 |
| ·数据挖掘的功能 | 第30-31页 |
| ·数据挖掘工具Clementine简介 | 第31-33页 |
| ·数据挖掘的方法 | 第33-41页 |
| ·Logistic方法 | 第33页 |
| ·决策树方法 | 第33-35页 |
| ·神经元网络方法 | 第35-41页 |
| 第四章 沪深300指数波动来源分析与预测 | 第41-62页 |
| ·预测对象 | 第41页 |
| ·变量选取 | 第41-43页 |
| ·数据的来源与预处理 | 第43-47页 |
| ·节日效应与空缺值处理 | 第43-44页 |
| ·数据的基本统计量审核 | 第44页 |
| ·属性离散化 | 第44-46页 |
| ·数据集划分与数据集的平衡 | 第46-47页 |
| ·建模 | 第47-55页 |
| ·Logistic建模 | 第47-49页 |
| ·决策树建模 | 第49-53页 |
| ·神经网络建模 | 第53-55页 |
| ·模型的预测与评价 | 第55-59页 |
| ·预测评价的方法 | 第55-56页 |
| ·三类模型预测结果的比较 | 第56-59页 |
| ·模型优劣性比较总结 | 第59页 |
| ·小结 | 第59-62页 |
| 第五章 BP-AR-GARCH模型在沪深300指数的运用 | 第62-77页 |
| ·模型建立的依据 | 第62页 |
| ·数据预处理方法 | 第62-63页 |
| ·预测模型的评测方法 | 第63-65页 |
| ·实证分析过程 | 第65-75页 |
| ·数据统计量分析 | 第65-67页 |
| ·模型估计过程 | 第67-73页 |
| ·模型结果的分析与评价 | 第73-75页 |
| ·小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 附录 | 第79-83页 |
| 参考文献 | 第83-85页 |
| 致谢 | 第85页 |