基于宏观经济指标和人工智能方法的上证综合指数预测
| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 1. 前言 | 第13-16页 |
| 2. 宏观经济与股市预测 | 第16-22页 |
| ·宏观经济 | 第16-17页 |
| ·股市预测 | 第17-20页 |
| ·传统预测方法 | 第17-19页 |
| ·计量方法 | 第19-20页 |
| ·人工智能方法 | 第20页 |
| ·宏观经济与股市 | 第20-22页 |
| 3. 神经网络理论 | 第22-40页 |
| ·研究概述 | 第22-24页 |
| ·国外研究概述 | 第22-23页 |
| ·国内研究概述 | 第23-24页 |
| ·神经网络理论介绍 | 第24-29页 |
| ·神经网络简介 | 第24-27页 |
| ·神经网络的学习 | 第27页 |
| ·神经网络特点 | 第27-29页 |
| ·BP神经网络 | 第29-34页 |
| ·BP网络学习算法的数学推导 | 第30-33页 |
| ·BP网络性能分析 | 第33-34页 |
| ·BP神经网络的改进方法 | 第34-39页 |
| ·传统方法 | 第34-37页 |
| ·提高网络泛化能力的BP神经网络的改进方法 | 第37-39页 |
| ·本文提出的改进BP神经网络的方法 | 第39-40页 |
| 4. 支持向量机理论 | 第40-49页 |
| ·研究概述 | 第40-41页 |
| ·国外研究概述 | 第40-41页 |
| ·国内研究概述 | 第41页 |
| ·支持向量机核心知识 | 第41-49页 |
| ·传统机器学习理论 | 第41-43页 |
| ·统计学习理论 | 第43-45页 |
| ·支持向量机 | 第45-49页 |
| 5. 机器学习方法在上证指数预测中的实证研究 | 第49-75页 |
| ·实证环境简介 | 第49-50页 |
| ·基于BP神经网络的上证指数预测 | 第50-69页 |
| ·选取变量 | 第50-58页 |
| ·样本预处理 | 第58-59页 |
| ·网络结构设计 | 第59-64页 |
| ·网络的训练与预测 | 第64-69页 |
| ·基于支持向量机的上证指数预测 | 第69-73页 |
| ·BP神经网络结果与支持向量机误差结果比较 | 第73页 |
| ·实证结论 | 第73-75页 |
| 6. 总结与展望 | 第75-77页 |
| ·总结 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 附录 | 第79-82页 |
| 后记 | 第82-83页 |
| 致谢 | 第83页 |
