| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 股市预测的难点分析 | 第20页 |
| 1.4 论文的主要工作及创新点 | 第20-21页 |
| 1.4.1 论文的主要工作 | 第20-21页 |
| 1.4.2 论文的创新点 | 第21页 |
| 1.5 课题来源及论文组织结构 | 第21-23页 |
| 1.5.1 课题来源 | 第21-22页 |
| 1.5.2 论文组织结构 | 第22-23页 |
| 第二章 基础理论概述 | 第23-33页 |
| 2.1 股市基础知识 | 第23-26页 |
| 2.1.1 股市基本术语 | 第23-24页 |
| 2.1.2 K线基础知识 | 第24-25页 |
| 2.1.3 股市常用趋势类指标 | 第25-26页 |
| 2.2 基于K线组合的预测方法 | 第26-30页 |
| 2.2.1 标志性K线组合 | 第26-28页 |
| 2.2.2 多步长K线序列 | 第28-30页 |
| 2.3 BP神经网络算法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 水平窗口能量计算的股市趋势预测算法 | 第33-48页 |
| 3.1 引言 | 第33-34页 |
| 3.2 短期趋势和水平窗口 | 第34-36页 |
| 3.2.1 短期趋势划分 | 第34页 |
| 3.2.2 水平窗口 | 第34-36页 |
| 3.3 基于窗口能量的神经网络 | 第36-41页 |
| 3.3.1 K线能量计算 | 第36-39页 |
| 3.3.2 均线组合能量计算 | 第39-40页 |
| 3.3.3 基于窗口能量的BP神经网络算法 | 第40-41页 |
| 3.4 引入能量调节因子的BP神经网络算法 | 第41-43页 |
| 3.4.1 引入能量调节因子 | 第41-42页 |
| 3.4.2 引入能量调节因子的BP神经网络算法(EF-BPNN) | 第42-43页 |
| 3.5 实验分析与比较 | 第43-47页 |
| 3.5.1 实验数据来源 | 第43页 |
| 3.5.2 性能指标 | 第43页 |
| 3.5.3 隐层个数与能量调节因子选取 | 第43-44页 |
| 3.5.4 试验结果对比分析 | 第44-45页 |
| 3.5.5 对比试验 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 非水平趋势下基于背离能量的趋势预测算法研究 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 趋势背离能量 | 第48-54页 |
| 4.2.1 量价背离 | 第48-49页 |
| 4.2.2 阻力位趋势能量背离 | 第49-52页 |
| 4.2.3 K线能量 | 第52-54页 |
| 4.3 趋势能量 | 第54-55页 |
| 4.3.1 中期趋势划分 | 第54页 |
| 4.3.2 趋势能量 | 第54-55页 |
| 4.4 基于趋势动能与趋势背离能量的BP神经网络趋势预测算法 | 第55页 |
| 4.5 实验分析与比较 | 第55-58页 |
| 4.5.1 实验数据来源 | 第55-56页 |
| 4.5.2 性能指标 | 第56页 |
| 4.5.3 实验分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-66页 |
