声明
第1章 绪 论
1.1课题背景与意义
1.2国内外研究现状
1.3主要研究内容
第2章 相关概念与理论基础
2.1股票预测分析基本理论
2.1.1股票预测的理论基础
2.1.2股票预测面临的问题
2.2集成学习算法
2.2.1决策树原理
2.2.2 CART原理
2.2.3 GBDT原理
2.2.4 XGBoost原理
2.3时间序列模型
2.3.1自回归模型(AR)
2.3.2移动平均模型(MA)
2.3.3自回归移动平均模型(ARMA)
2.3.4差分整合移动平均自回归模型(ARIMA)
2.4离散小波变换
2.5网格搜索算法
2.6本章小结
第3章 基于GS-XGBoost模型的股票预测研究
3.1引言
3.2 GS-XGBoost模型的构建
3.2.1 GS-XGBoost模型
3.2.2 GS-XGBoost模型流程图
3.3实验结果及分析
3.3.1 实验评价指标
3.3.2 实验数据
3.3.3 XGBoost模型实验结果分析
3.3.4 GS-XGBoost模型实验结果分析
3.3.5 实验结果对比分析
3.4本章小结
第4章基于DWT-GS-XGBoost模型的股票预测研究
4.1引言
4.2 DWT-GS-XGBoost模型的构建
4.2.1 DWT-GS-XGBoost模型
4.2.2 DWT-GS-XGBoost模型流程图
4.3实验结果与分析
4.3.1 实验数据
4.3.2 离散小波变换实验分析
4.3.3 DWT-GS-XGBoost模型实验分析
4.3.4 模型实验对比分析
4.4本章小结
第5章 基于DWT-ARIMA-GSXGB模型的股票预测研究
5.1引言
5.2 DWT-ARIMA-GSXGB模型的构建
5.2.1 DWT-ARIMA-GSXGB模型
5.2.2 DWT-ARIMA-GSXGB模型流程图
5.3.1 实验数据
5.3.2 实验评价指标
5.3.3 DWT-ARIMA-GSXGB模型实验结果对比与分析
5.4 本章小结
总结与展望
参考文献
致谢
附录A 攻读硕士学位期间发表的学术论文
兰州理工大学;