数据驱动的金融时间序列预测模型研究

目录
第1章 绪论 1
1.1 研究的背景和意义 1
1.2 文献回顾与评述 3
1.3 主要研究成果及创新 13
1.4 研究方法及技术路线 17
第2章 相关理论基础 21
2.1 ARIMA模型 21
2.2 GARCH模型族 23
2.3 支持向量机 27
第3章 基于微分信息的ARMAD-GARCH股票价格预测模型 33
3.1 ARMAD-GARCH模型 35
3.2 实证研究 38
3.3 本章小结 46
第4章 基于梯度因子的G-ARMA-GARCH股票价格预测模型 48
4.1 G-ARMA-GARCH模型 50
4.2 实证研究 52
4.3 本章小结 60
第5章 基于近邻互信息的SVM-GARCH股票价格预测模型 61
5.1 SVM-GARCH模型构造 63
5.2 实证研究 66
5.3 本章小结 78
第6章 基于ARIMA和时间测地线距离SVM的股票价格时序数据混合预测模型 80
6.1 时间相关性经验知识 80
6.2 基础模型介绍 82
6.3 混合预测模型构造 83
6.4 实证研究 84
6.5 本章小结 90
第7章 基于ARIMA和泰勒展开的金融时序混合预测模型 92
7.1 模型构建背景知识 94
7.2 基于跟踪微分器的泰勒展开预测模型 97
7.3 混合预测模型ARIMA-TEF构建 103
7.4 本章小结 118
第8章 结论与展望 120
8.1 结论 120
8.2 不足与展望 122
参考文献 124