基于组合模型的股指预测
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 选题背景和研究意义 | 第7-9页 |
| 1.1.1 选题背景 | 第7页 |
| 1.1.2 研究意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于线性假设的股指预测研究 | 第9-11页 |
| 1.2.2 基于非线性假设的股指预测研究 | 第11-13页 |
| 1.2.3 基于数据挖掘和知识挖掘的股指预测研究 | 第13页 |
| 1.3 研究内容和研究方法 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 研究方法 | 第14-15页 |
| 1.4 论文的创新与不足 | 第15-16页 |
| 1.4.1 可能的创新 | 第15页 |
| 1.4.2 论文的不足 | 第15-16页 |
| 第二章 股指预测的准备基础 | 第16-22页 |
| 2.1 股市主要变量 | 第16-17页 |
| 2.2 股指常见指标 | 第17-18页 |
| 2.3 股指预测常用分析方法 | 第18-20页 |
| 2.3.1 证券投资分析法 | 第18-19页 |
| 2.3.2 线性分析法 | 第19页 |
| 2.3.3 非线性预测方法 | 第19页 |
| 2.3.4 组合预测方法 | 第19-20页 |
| 2.4 股指预测存在的难题 | 第20-22页 |
| 第三章 模型理论基础 | 第22-35页 |
| 3.1 指数平滑模型基本原理 | 第22-24页 |
| 3.2 广义自回归条件异方差模型基本原理 | 第24-25页 |
| 3.3 BP神经网络模型基本原理 | 第25-29页 |
| 3.3.1 人工神经元 | 第25-26页 |
| 3.3.2 常用的激活函数 | 第26-28页 |
| 3.3.3 神经网络模型 | 第28页 |
| 3.3.4 神经网络工作方式 | 第28-29页 |
| 3.4 组合模型的构建 | 第29-35页 |
| 3.4.1 组合模型基本理论 | 第30-32页 |
| 3.4.2 组合模型的优越性 | 第32-33页 |
| 3.4.3 组合模型评价指标 | 第33-35页 |
| 第四章 股指预测实证分析 | 第35-48页 |
| 4.1 数据选取 | 第35页 |
| 4.2 指数平滑模型检验 | 第35-36页 |
| 4.3 广义自回归条件异方差模型检验 | 第36-41页 |
| 4.4 BP神经网络模型检验 | 第41-44页 |
| 4.4.1 模型建立 | 第41-42页 |
| 4.4.2 MATLAB实现 | 第42-44页 |
| 4.5 组合模型检验 | 第44-45页 |
| 4.6 实证结果对比分析 | 第45-48页 |
| 第五章 总结 | 第48-51页 |
| 参考文献 | 第51-54页 |
| 在校期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
