| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| 第一节 研究背景及意义 | 第9-11页 |
| 一、研究背景 | 第9-10页 |
| 二、研究的理论意义 | 第10页 |
| 三、研究的现实意义 | 第10-11页 |
| 第二节 文献综述 | 第11-15页 |
| 第三节 主要研究内容及框架 | 第15-18页 |
| 一、主要研究内容 | 第15-17页 |
| 二、主要研究框架 | 第17-18页 |
| 第四节 本文可能的创新 | 第18-19页 |
| 第二章 股价指数预测的相关知识介绍 | 第19-27页 |
| 第一节 股价指数 | 第19-20页 |
| 第二节 股价指数相关的变量及指标 | 第20-25页 |
| 一、技术指标变量 | 第20-23页 |
| 二、宏观经济变量 | 第23-25页 |
| 第三节 股价指数预测方法的理论依据 | 第25-27页 |
| 第三章 神经网络预测模型与遗传算法 | 第27-39页 |
| 第一节 人工神经网络概述 | 第27-32页 |
| 一、BP神经网络结构与算法 | 第28-30页 |
| 二、BP神经网络算法的优缺点 | 第30-32页 |
| 第二节 遗传算法 | 第32-39页 |
| 一、遗传算法的基本原理 | 第32-33页 |
| 二、遗传算法的基本操作 | 第33-35页 |
| 三、遗传算法的基本流程 | 第35-36页 |
| 四、多种群遗传算法 | 第36-39页 |
| 第四章 基于多种群遗传算法的神经网络组合模型 | 第39-43页 |
| 第一节 多种群遗传神经网络组合模型研究 | 第39页 |
| 第二节 组合模型的基本操作 | 第39-42页 |
| 一、参数的编码 | 第39-40页 |
| 二、种群的初始化 | 第40页 |
| 三、适应度函数的设计 | 第40-41页 |
| 四、遗传操作算子和多种群的设计 | 第41-42页 |
| 第三节 多种群遗传神经网络的优缺点 | 第42-43页 |
| 第五章 实证研究 | 第43-60页 |
| 第一节 非参数核估计方法理论框架 | 第43-44页 |
| 第二节 变量和样本的选取 | 第44-46页 |
| 第三节 变量的筛选和数据归一化 | 第46-48页 |
| 第四节 基于BP神经网络的上证指数预测 | 第48-53页 |
| 一、利用初始变量对上证指数的预测 | 第48-50页 |
| 二、利用筛选后变量对上证指数的预测 | 第50-51页 |
| 三、对比分析研究 | 第51-53页 |
| 第五节 基于多种群遗传算法的神经网络对上证指数的预测 | 第53-57页 |
| 一、利用初始变量对上证指数的预测 | 第53-54页 |
| 二、利用筛选后变量对上证指数的预测 | 第54-55页 |
| 三、对比分析研究 | 第55-57页 |
| 第六节 两种模型预测结果的对比分析 | 第57-60页 |
| 第六章 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-68页 |
| 致谢 | 第68-69页 |