声明
摘要
1.1.1研究背景
1.1.2研究意义
1.2本文结构与框架
1.3主要工作和创新点
2.1国外研究结果
2.2国内研究现状
第三章理论和方法基础
3.1证券技术分析与统计预测介绍
3.2集成学习基本原理
3.2.1集成学习的主要算法
3.2.2决策树算法概述
3.3随机森林分类理论
3.3.1随机森林的构建过程
3.3.2随机森林的定义和精确性
3.3.3特征重要性
3.3.4随机森林的特点
3.4遗传算法
第四章问题分析与模型设计
4.1特征选择的优化
4.2模型设计
4.3参数优化
第五章实证分析
5.1基于日数据的走势预测
5.1.1数据选取
5.1.2特征选取与筛选
5.1.3指数走势预测
5.1.4结果分析
5.2基于高频数据的走势预测
5.2.1数据选取
5.2.2特征选取与筛选
5.2.3指数走势预测
5.2.4结果分析
6.1总结
6.2不足与展望
参考文献
致谢
山东大学;