基于神经网络的上证指数预测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 股票价格预测的研究现状 | 第10-11页 |
| 1.2.1 股票价格预测的国外研究现状 | 第10-11页 |
| 1.2.2 股票价格预测的国内研究现状 | 第11页 |
| 1.3 本文的研究意义 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 股价预测的基本理论与方法 | 第13-17页 |
| 2.1 股票价格的影响因素 | 第13页 |
| 2.2 股票价格预测常用基本方法 | 第13-15页 |
| 2.2.1 市场的基本分析技术 | 第13-14页 |
| 2.2.2 市场的技术分析及图表技术 | 第14页 |
| 2.2.3 投资组合分析法 | 第14-15页 |
| 2.3 神经网络股价预测的优势 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 神经网络与主成分分析 | 第17-32页 |
| 3.1 BP神经网络的基本原理 | 第17-23页 |
| 3.1.1 人工神经元介绍 | 第17页 |
| 3.1.2 BP神经网络算法 | 第17-20页 |
| 3.1.3 BP神经网络的改进 | 第20-22页 |
| 3.1.4 BP神经网络功能 | 第22-23页 |
| 3.2 主成分分析法 | 第23-26页 |
| 3.2.1 主成分分析基本思想 | 第23页 |
| 3.2.2 主成分分析法的主成分分析的数学模型 | 第23-25页 |
| 3.2.3 主成分计算步骤 | 第25-26页 |
| 3.2.4 主成分分析法的评价 | 第26页 |
| 3.3 SOM自组织特征映射神经网络 | 第26-31页 |
| 3.3.1 竞争学习算法基础 | 第27-30页 |
| 3.3.2 SOM神经网络模型与算法 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 神经网络的预测模型的设计 | 第32-37页 |
| 4.1 BP神经网络结构参数的设计 | 第32-33页 |
| 4.2 主成分—BP神经网络的股票预测系统 | 第33-34页 |
| 4.3 SOM—BP集成神经网络 | 第34-35页 |
| 4.4 基于神经网络和主成分分析的组合预测模型 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 PSO优化的BP神经网络预测模型 | 第37-47页 |
| 5.1 粒子群算法概述 | 第37-41页 |
| 5.1.1 基本粒子群算法 | 第37-38页 |
| 5.1.2 PSO算法中的参数设置 | 第38-39页 |
| 5.1.3 粒子群算法优化 | 第39-41页 |
| 5.2 基于PSO优化的BP神经网络预测模型 | 第41-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 实证分析 | 第47-62页 |
| 6.1 样本数据选择 | 第47-49页 |
| 6.2 样本数据预处理 | 第49-50页 |
| 6.3 神经网络预测模型训练与预测 | 第50-61页 |
| 6.3.1 BP神经网络预测实证结果 | 第50-54页 |
| 6.3.2 主成分—BP神经网络预测实证结果 | 第54-57页 |
| 6.3.3 SOM—BP神经网络预测实证结果 | 第57-61页 |
| 6.4 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
