模糊機(jī)會約束最小二乘雙支持向量機(jī)算法及其在金融市場應(yīng)用的研究

1 緒論
1.1 研究背景與研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容與方法
1.3.1 研究內(nèi)容
1.3.2 研究方法
1.4 本書結(jié)構(gòu)安排
1.5 本書創(chuàng)新及不足
2 金融市場波動預(yù)測模型類文獻(xiàn)及基于搜索指數(shù)的金融市場波動預(yù)測類文獻(xiàn)述評
2.1 金融市場波動預(yù)測模型類文獻(xiàn)述評
2.2 基于搜索指數(shù)的金融市場波動預(yù)測類文獻(xiàn)述評
2.3 本章小結(jié)
3 理論及方法介紹
3.1 金融時間序列特征及分析方法
3.2 波動率理論
3.2.1 波動聚類
3.2.2 均值回復(fù)
3.2.3 長期記憶效應(yīng)及錨定效應(yīng)(Anchoring Effect)
3.2.4 杠桿效應(yīng)
3.3 流形理論及流形學(xué)習(xí)算法
3.3.1 流形學(xué)習(xí)的數(shù)學(xué)定義
3.3.2 ISOMAP等流形學(xué)習(xí)算法理論
3.4 本章小結(jié)
4 模糊機(jī)會約束最小二乘雙支持向量機(jī)(FCC-LSTSVM)模型
4.1 支持向量機(jī)簡介
4.2 最小二乘雙支持向量機(jī)和模糊機(jī)會約束雙支持向量機(jī)
4.2.1 最小二乘雙支持向量機(jī)(LSTSVM)
4.2.2 模糊機(jī)會約束雙支持向量機(jī)(FCC-TSVM)
4.3 模糊機(jī)會約束最小二乘雙支持向量機(jī)(FCC-LSTSVM)
4.4 數(shù)值實驗
4.4.1 模糊隸屬度函數(shù)
4.4.2 人工數(shù)據(jù)
4.4.3 真實數(shù)據(jù)測試
4.5 本章小結(jié)
5 基于百度指數(shù)的滬深300指數(shù)波動率預(yù)測研究
5.1 百度指數(shù)預(yù)測金融市場波動路徑分析
5.2 實驗設(shè)計
5.2.1 數(shù)據(jù)來源
5.2.2 描述性統(tǒng)計與相關(guān)性分析
5.3 交易日百度指數(shù)與滬深300指數(shù)波動關(guān)系研究及算法比較
5.3.1 百度指數(shù)預(yù)處理方法及FCC-LSTSVM算法實現(xiàn)
5.3.2 PC端百度指數(shù)預(yù)測滬深300指數(shù)波動及算法比較
5.3.3 移動端百度指數(shù)預(yù)測滬深300指數(shù)波動及算法比較
5.4 本章小結(jié)
6 關(guān)于ISOMAP算法的改進(jìn)
6.1 算法假設(shè)
6.2 算法論述
6.3 本章小結(jié)
7 全書總結(jié)與研究展望
7.1 全書總結(jié)
7.2 研究展望
參考文獻(xiàn)
附錄
附錄A 百度指數(shù)提取主要代碼
附錄B FCC-LSTSVM主要代碼
附錄C 部分關(guān)鍵詞百度指數(shù)
后記