| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究方法及内容 | 第15-16页 |
| 1.3.1 研究方法 | 第15-16页 |
| 1.3.2 研究内容 | 第16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 创新点 | 第17-18页 |
| 第二章 主成分分析及神经网络的相关理论及基础知识 | 第18-28页 |
| 2.1 主成分分析 | 第18-20页 |
| 2.1.1 主成分分析概述 | 第18页 |
| 2.1.2 主成分分析基本原理 | 第18-19页 |
| 2.1.3 主成分分析法的计算步骤 | 第19-20页 |
| 2.2 神经网络基本介绍 | 第20-26页 |
| 2.2.1 神经元模型 | 第21-22页 |
| 2.2.2 神经网络要素 | 第22-23页 |
| 2.2.3 BP神经网络基本理论 | 第23-24页 |
| 2.2.4 BP神经网络算法 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 股票网络舆情与模型建立 | 第28-39页 |
| 3.1 股票网络舆情挖掘 | 第28-31页 |
| 3.1.1 股票网络舆情载体选择 | 第28-29页 |
| 3.1.2 数据的采集 | 第29页 |
| 3.1.3 文本预处理 | 第29-31页 |
| 3.2 词向量构建 | 第31-33页 |
| 3.2.1 词向量表示 | 第31-32页 |
| 3.2.2 Word2Vec模型 | 第32-33页 |
| 3.3 Word2Vec模型训练 | 第33-34页 |
| 3.4 舆情值构建 | 第34-36页 |
| 3.4.1 分类模型的构建 | 第34-35页 |
| 3.4.2 计算网络舆情值 | 第35页 |
| 3.4.3 计算加权网络舆情值 | 第35-36页 |
| 3.5 股票网络舆情值的BP神经网络模型 | 第36-37页 |
| 3.5.1 股票网络舆情值的BP神经网络模型 | 第36页 |
| 3.5.2 参比模型 | 第36-37页 |
| 3.5.3 模型评价指标 | 第37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于网络舆情值的BP神经网络股票预测实证分析 | 第39-50页 |
| 4.1 实验数据集和标准化 | 第39-41页 |
| 4.1.1 股票技术指标数据 | 第39-40页 |
| 4.1.2 网络舆情数据 | 第40-41页 |
| 4.2 股票价格预测 | 第41-46页 |
| 4.2.1 技术指标数据通过SVM建立的预测模型 | 第42-43页 |
| 4.2.2 技术指标数据通过BP神经网络建立的预测 | 第43-44页 |
| 4.2.3 网络舆情数据通过BP神经网络建立的预测 | 第44-45页 |
| 4.2.4 加权网络舆情数据通过BP神经网络建立的预测 | 第45-46页 |
| 4.3 股票价格预测的实验结果比较 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56页 |
