1. 研究目的与意义、国内外研究现状（文献综述）
课题的意义、国内外研究进展、应用前景等（列出主要参考文献）课题的意义：通过数学模型来捕捉市场机会，由电脑作出投资决策。
电脑依据数学模型进行投资，比个人主动投资可以更有效地降低风险、克服心理因素的影响［1］。
国内外研究进展：相比其他传统的投资策略，量化投资在国外的运用已取得了更为优秀的的业绩。
2. 研究的基本内容和问题
研究目标：1、测试得出support vector machine, logistic regression, random forest, ada-boost四种方法中的最优参数。
2、绘制support vector machine, logistic regression, random forest, ada-boost四种方法对于hs300指数预测的结果图，并通过对比真实值验证胜率。
3、绘制优化后的复合模型的预测结果图，并验证胜率。
3. 研究的方法与方案
研究方法：support vector machine, logistic regression, random forest, ada-boost实验方案：采用support vector machine, logistic regression, random forest, ada-boost四种方法对2009年至2015年期间沪深300指数的数据进行训练与预测。
并对五种模型的预测结果进行分析与比较，然后选取较为优秀的三种方法用决策树模型进行混合以获取更为准确的预测。
最终以获取预测结果最为优秀的模型。
4. 研究创新点
首先，量化投资已经在国际舞台上经历了30年的发展和演变。
在国外，量化投资取得了稳定的超额收益。
在国外的金融领域中，量化投资已经超越传统投资模式，成为主流。
5. 研究计划与进展
2018.1.3 开题报告2018.1.3-2018.1.31 文献的搜集以及方法的理论学习2018.2.1-2.15 四种方法的程序实现2018.2.16-2018.2.31 带入数据测试2018.3.1-2018．3.20 参数优化及进一步的数据测试2018.4.1-2018.4.20 结果分析及验证
