| 绪论 | 第1-15页 |
| 第一章 神经网络基本原理及其学习算法 | 第15-26页 |
| ·生物神经元及人工神经元模型 | 第15-17页 |
| ·典型神经网络 | 第17-19页 |
| ·误差反传(BP)网络 | 第19-23页 |
| ·BP 网络的改进算法 | 第23-26页 |
| 第二章 遗传算法以及遗传算法在神经网络中的应用 | 第26-36页 |
| ·遗传算法的基本概念及组成 | 第26-30页 |
| ·遗传算法的特点 | 第30-31页 |
| ·遗传算法流程 | 第31-32页 |
| ·算法验证 | 第32-33页 |
| ·遗传算法的神经网络中的应用 | 第33-36页 |
| 第三章 基于BP 神经网络的我国证券市场有效性检验 | 第36-46页 |
| ·有效市场（EFFICIENT MARKET）的定义与分类 | 第36-37页 |
| ·有效市场研究现状 | 第37-39页 |
| ·我国资本市场有效性的分析 | 第39-40页 |
| ·基于BP 神经网络我国资本市场有效性和非线性特征的检验 | 第40-46页 |
| 第四章 基于BP 网络证券选择模型 | 第46-57页 |
| ·模型样本数据选择及处理 | 第47-50页 |
| ·BP 网络输入输出数据选取与处理 | 第50-52页 |
| ·BP 网络设计 | 第52-55页 |
| ·网络训练与测试 | 第55-57页 |
| 第五章 VAR | 第57-66页 |
| ·VAR 基本概念 | 第57页 |
| ·单个资产VAR 计算方法 | 第57-58页 |
| ·VAR 模型体系及其计算方法 | 第58-66页 |
| 第六章 典型投资组合模型及基于VAR 的投资决策模型 | 第66-77页 |
| ·MARKOWITZ 证券组合模型 | 第66-68页 |
| ·正态分布假定下基于VAR 的经典均值方差模型及数值实例 | 第68-73页 |
| ·非正态分布下的一种基于VAR 的证券组合模型（概率准则意义下基于VAR的证券组合模型）及数值计算实例 | 第73-77页 |
| 第七章 实证分析 | 第77-83页 |
| ·证券选择 | 第77-79页 |
| ·证券优化配置 | 第79-81页 |
| ·系统结果检验分析 | 第81-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 后记 | 第88-89页 |
| 致谢 | 第89页 |
