基于强化学习的绩优股票预测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景 | 第13-14页 |
| ·人工智能的产生 | 第13页 |
| ·人工神经网络的发展 | 第13-14页 |
| ·人工神经网络的优点及应用 | 第14-16页 |
| ·人工神经网络的优点 | 第14-15页 |
| ·人工神经网络的应用 | 第15-16页 |
| ·工作背景 | 第16-18页 |
| ·神经网络研究现状 | 第16-17页 |
| ·神经网络在股票分析中的应用概述 | 第17-18页 |
| ·论文的研究内容及结构 | 第18-22页 |
| ·论文的研究内容 | 第18-20页 |
| ·论文的研究意义及结构 | 第20-22页 |
| 第2章 多层前馈神经网络 | 第22-29页 |
| ·多层前馈神经网络模型 | 第22-24页 |
| ·BP神经网络的基本原理 | 第24-25页 |
| ·BP神经网络的优缺点讨论 | 第25-27页 |
| ·多层前向BP网络的优点 | 第26页 |
| ·多层前向BP网络的问题 | 第26-27页 |
| ·改进的BP算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 强化学习 | 第29-39页 |
| ·强化学习简介 | 第29-32页 |
| ·强化学习的发展历史 | 第30-31页 |
| ·强化学习的研究现状 | 第31-32页 |
| ·强化学习的基本模型 | 第32-34页 |
| ·强化学习的算法 | 第34-38页 |
| ·强化学习中有待解决的问题 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 强化学习的神经网络预测模型的研究 | 第39-56页 |
| ·股票预测的神经网络设计 | 第39-41页 |
| ·股票的概念及收益 | 第39页 |
| ·BP神经网络在股票预测系统中的应用 | 第39-40页 |
| ·预测系统中神经网络技术的选取 | 第40页 |
| ·预测系统中设计网络的原则与过程 | 第40-41页 |
| ·股票预测数据和方法 | 第41-45页 |
| ·统计预测 | 第42页 |
| ·时间序列预测 | 第42-45页 |
| ·基于强化学习的BP神经网络预测模型的建立 | 第45-54页 |
| ·股票预测系统BP神经网络的算法设计 | 第45-48页 |
| ·基于强化学习的神经网络模型设计 | 第48-49页 |
| ·基于强化学习的BP神经网络模型建立 | 第49-51页 |
| ·基于强化学习的BP神经网络模型改进 | 第51-54页 |
| ·股票预测的技术分析和理论分析 | 第54-55页 |
| ·基本分析 | 第54页 |
| ·技术分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 强化学习的预测系统实现与算法实现 | 第56-82页 |
| ·股票预测系统实现 | 第56-59页 |
| ·系统需求分析 | 第56页 |
| ·系统模块设计 | 第56-58页 |
| ·系统模块的实现 | 第58-59页 |
| ·股票预测神经网络算法实现 | 第59-71页 |
| ·MATLAB神经网络工具箱 | 第59-60页 |
| ·股票数据分析 | 第60页 |
| ·股票数据处理 | 第60-63页 |
| ·神经网络算法实现规则 | 第63页 |
| ·神经网络算法的实现 | 第63-69页 |
| ·实现中的问题与解决 | 第69-71页 |
| ·强化学习的BP股票预测网络的实现 | 第71-77页 |
| ·强化学习的BP预测算法实现 | 第71页 |
| ·强化学习算法实现的问题及解决方法 | 第71-72页 |
| ·强化学习的预测算法的改进与实现 | 第72-77页 |
| ·系统的实践检验结果 | 第77-79页 |
| ·系统的误差分析结果 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第88-89页 |
| 致谢 | 第89-90页 |
| 作者简介 | 第90页 |
