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