神经网络在外汇交易信号预测中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9页 |
| ·问题提出 | 第9-11页 |
| ·机械交易系统 | 第10页 |
| ·机械交易系统优缺点 | 第10-11页 |
| ·本文研究课题 | 第11页 |
| ·国外研究情况 | 第11-14页 |
| ·研究方法和思路 | 第14页 |
| ·论文结构 | 第14-15页 |
| 第二章 机械交易系统及神经网络 | 第15-40页 |
| ·机械交易系统简介 | 第15-16页 |
| ·市场 | 第15页 |
| ·头寸规模 | 第15-16页 |
| ·入市 | 第16页 |
| ·止损 | 第16页 |
| ·离市 | 第16页 |
| ·策略 | 第16页 |
| ·人工神经网络基础 | 第16-25页 |
| ·人工神经网络的发展 | 第17页 |
| ·人工神经网络模型 | 第17-20页 |
| ·人工神经网络的分类及学习规则 | 第20-23页 |
| ·人工神经网络的信息处理能力 | 第23-25页 |
| ·BP神经网络 | 第25-33页 |
| ·多层感知器 | 第26页 |
| ·BP学习算法 | 第26-31页 |
| ·BP学习算法步骤 | 第31-32页 |
| ·BP学习算法的改进 | 第32-33页 |
| ·SOM神经网络 | 第33-39页 |
| ·SOM网络结构 | 第33-37页 |
| ·SOM算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 神经网络模型设计 | 第40-48页 |
| ·实验数据 | 第40页 |
| ·神经网络选择 | 第40页 |
| ·循环强化学习神经网络模型 | 第40-43页 |
| ·学习算法 | 第40-43页 |
| ·输入层与输出层设计 | 第43页 |
| ·初始权值选取 | 第43页 |
| ·BP网络模型 | 第43-45页 |
| ·输入层与输出层设计 | 第43页 |
| ·网络隐层数选择 | 第43-44页 |
| ·隐层神经元数选择 | 第44页 |
| ·初始权值选取 | 第44页 |
| ·网络学习步长选择 | 第44-45页 |
| ·SOM网络模型 | 第45页 |
| ·输入层与输出层设计 | 第45页 |
| ·网路模型的构建、训练与仿真 | 第45-47页 |
| ·网络模型的构建与初始化 | 第45-46页 |
| ·网络模型的训练 | 第46-47页 |
| ·网络模型的仿真 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 程序实现及结果分析 | 第48-63页 |
| ·MATLAB简介 | 第48页 |
| ·神经网络的实现方法 | 第48页 |
| ·算法程序 | 第48-53页 |
| ·机器学习算法程序 | 第48-51页 |
| ·BP算法程序 | 第51-52页 |
| ·SOM算法程序 | 第52-53页 |
| ·在外汇交易中的应用 | 第53-62页 |
| ·15分钟交易间隔 | 第54-56页 |
| ·30分钟交易间隔 | 第56-59页 |
| ·1个小时交易间隔 | 第59-62页 |
| ·比较结果 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 结束语 | 第63-64页 |
| ·结论 | 第63页 |
| ·进一步研究的建议 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |
