中文摘要 | 第10-11页 |
英文摘要 | 第11-12页 |
第1章 绪论 | 第13-20页 |
1.1 课题研究的意义 | 第13-14页 |
1.2 相关领域研究现状 | 第14-18页 |
1.2.1 模型研究现状 | 第14-16页 |
1.2.2 金融数据预测研究现状 | 第16-18页 |
1.3 本文主要工作及创新点 | 第18-19页 |
1.4 本文组织结构 | 第19页 |
1.5 本章小结 | 第19-20页 |
第2章 灰色模型 | 第20-36页 |
2.1 灰色模型概述 | 第20-21页 |
2.2 传统GM(1,1)模型 | 第21-29页 |
2.2.1 传统GM(1,1)模型原理 | 第21-26页 |
2.2.2 GM(1,1)的规律 | 第26-28页 |
2.2.3 GM(1,1)模型的特点 | 第28-29页 |
2.3 灰色Verhulst模型 | 第29-33页 |
2.3.1 Verhulst模型产生背景 | 第29-30页 |
2.3.2 灰色Verhulst模型原理 | 第30-32页 |
2.3.3 灰色Verhulst模型的特点 | 第32-33页 |
2.4 灰色离散Verhulst模型 | 第33-34页 |
2.4.1 灰色离散Verhulst模型产生背景 | 第33页 |
2.4.2 灰色离散Verhulst模型原理 | 第33-34页 |
2.5 本章小结 | 第34-36页 |
第3章 贝叶斯方法 | 第36-40页 |
3.1 贝叶斯方法的渊源 | 第36页 |
3.2 贝叶斯因子 | 第36-38页 |
3.2.1 贝叶斯因子的定义 | 第36-37页 |
3.2.2 贝叶斯因子的判别标准 | 第37-38页 |
3.3 贝叶斯方法的限制 | 第38页 |
3.4 本章小结 | 第38-40页 |
第4章 贝叶斯-灰色模型预测股指 | 第40-61页 |
4.1 模型构建 | 第40-44页 |
4.1.1 模型产生的思考过程 | 第40-42页 |
4.1.2 选取灰色预测窗口长度的贝叶斯方法 | 第42-44页 |
4.2 模型应用 | 第44-47页 |
4.2.1 数据选取 | 第44-45页 |
4.2.2 贝叶斯-灰色预测模型的实际应用 | 第45-47页 |
4.3 初步实证 | 第47-53页 |
4.3.1 初步实证数据的选取 | 第47页 |
4.3.2 经典GM(1,1)预测模型与贝叶斯-GM(1,1)预测模型预测结果 | 第47-50页 |
4.3.3 灰色Verhulst模型以及贝叶斯灰色Verhulst模型的预测结果 | 第50-52页 |
4.3.4 灰色Verhulst预测模型问题分析 | 第52-53页 |
4.4 模型优化 | 第53-55页 |
4.4.1 优化方法 | 第53-55页 |
4.4.2 优化混合预测模型预测数据的选取 | 第55页 |
4.5 优化模型实证 | 第55-60页 |
4.5.1 混合模型预测结果 | 第56-59页 |
4.5.2 优化前后模型预测精确度对比 | 第59-60页 |
4.6 本章小节 | 第60-61页 |
第5章 总结与展望 | 第61-63页 |
5.1 总结 | 第61页 |
5.2 展望 | 第61-63页 |
参考文献 | 第63-65页 |
致谢 | 第65-66页 |
学位论文评阅及答辩情况表 | 第66页 |