多分辨小波神经网络在股票市场预测中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 我国股市发展历程 | 第12页 |
| 1.3 股价预测的国内外发展状况 | 第12-14页 |
| 1.4 股票价格预测的理论依据 | 第14页 |
| 1.5 小波神经网络在金融领域的应用 | 第14-15页 |
| 1.6 本文的主要工作和内容安排 | 第15-16页 |
| 第2章 神经网络基本原理 | 第16-26页 |
| 2.1 神经网络概述 | 第16-21页 |
| 2.1.1 神经网络模型 | 第16页 |
| 2.1.2 神经细胞结构 | 第16-17页 |
| 2.1.3 人工神经元模型 | 第17-18页 |
| 2.1.4 传递函数 | 第18-20页 |
| 2.1.5 人工神经网络的分类 | 第20-21页 |
| 2.2 BP神经网络模型 | 第21-26页 |
| 2.2.1 BP神经网络结构 | 第21-22页 |
| 2.2.2 BP算法 | 第22-24页 |
| 2.2.3 BP神经网络的优点和局限性 | 第24-26页 |
| 第3章 小波分析 | 第26-35页 |
| 3.1 小波分析概述 | 第26-27页 |
| 3.1.1 小波分析的提出和发展 | 第26页 |
| 3.1.2 小波分析与傅里叶分析的比较 | 第26-27页 |
| 3.1.3 小波分析的应用与存在的问题 | 第27页 |
| 3.2 连续小波变换 | 第27-28页 |
| 3.3 离散小波变换和二进小波变换 | 第28-29页 |
| 3.4 多分辨率小波变换 | 第29-30页 |
| 3.5 Mallat算法 | 第30-31页 |
| 3.6 常用的几种小波函数 | 第31-32页 |
| 3.6.1 Haar小波 | 第31页 |
| 3.6.2 Mexican Hat小波 | 第31-32页 |
| 3.6.3 Morlet小波 | 第32页 |
| 3.7 正交小波 | 第32-35页 |
| 3.7.1 Daubechies小波 | 第32-33页 |
| 3.7.2 Coiflets小波 | 第33页 |
| 3.7.3 Meyer小波 | 第33-35页 |
| 第4章 多分辨小波神经网络 | 第35-40页 |
| 4.1 小波神经网络基础 | 第35-37页 |
| 4.1.1 小波神经网络概述 | 第35页 |
| 4.1.2 小波神经网络基本形式 | 第35-37页 |
| 4.2 多分辨小波网络概述 | 第37-40页 |
| 4.2.1 多分辨小波网络结构 | 第37-39页 |
| 4.2.2 小波神经网络进行股价预测的步骤 | 第39-40页 |
| 第5章 实验及结果分析 | 第40-46页 |
| 5.1 网络结构设置 | 第40-42页 |
| 5.1.1 样本数据的选取 | 第40页 |
| 5.1.2 网络输入量的确定 | 第40页 |
| 5.1.3 隐含层节点的确定 | 第40-41页 |
| 5.1.4 数据的预处理 | 第41页 |
| 5.1.5 输入输出数据的处理 | 第41-42页 |
| 5.1.6 实验评价指标 | 第42页 |
| 5.2 仿真实验 | 第42-46页 |
| 第6章 结论与展望 | 第46-48页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-55页 |
| 致谢 | 第55页 |
