基于随机森林和QGA-SVR的量化选股研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 研究目标与研究内容 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 研究方法和技术路线 | 第16-18页 |
| 1.5 本文创新点 | 第18-19页 |
| 第二章 选股财务指标体系构建 | 第19-27页 |
| 2.1 财务信息作用于股票市场机理 | 第19-20页 |
| 2.2 财务指标体系构建 | 第20-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 RF-QGA-SVR选股模型构建 | 第27-41页 |
| 3.1 支持向量回归机（SVR）选股研究 | 第27-31页 |
| 3.1.1 支持向量回归机（SVR） | 第27-29页 |
| 3.1.2 SVR预测股票收益进行排序组合 | 第29-31页 |
| 3.2 随机森林优化输入特征 | 第31-34页 |
| 3.3 QGA优化SVR参数研究 | 第34-39页 |
| 3.4 RF-QGA-SVR综合模型构建 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 量化选股及相关实证分析 | 第41-61页 |
| 4.1 数据的选取及预处理 | 第41-42页 |
| 4.2 随机森林筛选财务指标效能分析 | 第42-44页 |
| 4.2.1 随机森林（RF）模型设定 | 第42-43页 |
| 4.2.2 随机森林（RF）实证分析 | 第43-44页 |
| 4.3 QGA对SVR动态寻参效能分析 | 第44-49页 |
| 4.3.1 GA和QGA模型设定 | 第45页 |
| 4.3.2 GA与QGA优化SVR对比实证 | 第45-49页 |
| 4.4 RF-QGA-SVR选股模型实证分析 | 第49-56页 |
| 4.4.1 带经验参数带全特征的SVR逐年回归 | 第49-50页 |
| 4.4.2 RF特征优化带经验参数SVR逐年回归 | 第50-51页 |
| 4.4.3 QGA优化SVR无特征优化的逐年回归 | 第51-52页 |
| 4.4.4 RF-QGA-SVR模型进行选股 | 第52-53页 |
| 4.4.5 股票组合检验 | 第53-56页 |
| 4.5 财务指标对股票收益率的作用分析 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 结论与展望 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |
