ARIMA结合BP神经网络对核心交易量预测的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题选题背景 | 第11页 |
| ·国内外相关研究综述 | 第11-14页 |
| ·数据挖掘技术在国内外的应用 | 第11-12页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘中的研究难点 | 第13页 |
| ·时间序列的分析方法与过程 | 第13-14页 |
| ·研究内容 | 第14-16页 |
| 第二章 核心交易量模块介绍及数据准备 | 第16-25页 |
| ·数据介绍及数据抽取 | 第16-20页 |
| ·SPDB运维信息管理系统物理架构 | 第16-17页 |
| ·核心交易量业务说明 | 第17-19页 |
| ·数据采集及处理 | 第19-20页 |
| ·数据质量检验 | 第20-21页 |
| ·完整性检验 | 第20-21页 |
| ·正确定检验 | 第21页 |
| ·规范性检验 | 第21页 |
| ·浦发银行核心交易量的研究 | 第21-25页 |
| ·金融时间序列的特点 | 第21-22页 |
| ·核心交易量预测假设 | 第22-23页 |
| ·核心交易量的影响因素 | 第23页 |
| ·核心交易量的特点 | 第23-25页 |
| 第三章 基于ARIMA模型核心交易量的预测 | 第25-38页 |
| ·基础理论研究 | 第25-29页 |
| ·AR模型 | 第25页 |
| ·MA模型 | 第25页 |
| ·ARMA模型 | 第25-26页 |
| ·ARIMA模型 | 第26-27页 |
| ·相关计量函数及信息准则 | 第27-29页 |
| ·ARIMA模型的建立过程 | 第29-30页 |
| ·ARIMA模型的评估 | 第30-31页 |
| ·预测精度评估 | 第31页 |
| ·预测不确定性评估 | 第31页 |
| ·ARIMA模型的特点及不足 | 第31页 |
| ·仿真实验及结果分析 | 第31-38页 |
| ·数据预处理 | 第32-33页 |
| ·平稳化检验与处理 | 第33-34页 |
| ·模型的识别 | 第34-35页 |
| ·模型检验 | 第35-37页 |
| ·推广能力检验 | 第37页 |
| ·小结 | 第37-38页 |
| 第四章 基于BP神经网络核心交易量的预测 | 第38-50页 |
| ·基础理论研究 | 第38-39页 |
| ·人工神经网络 | 第38页 |
| ·神经网络的学习方式 | 第38页 |
| ·神经元传递函数 | 第38-39页 |
| ·BP神经网络 | 第39页 |
| ·BP神经网络的学习过程 | 第39-41页 |
| ·BP算法 | 第39-40页 |
| ·BP神经网络建模步骤 | 第40-41页 |
| ·BP神经网络的特点及不足 | 第41-42页 |
| ·BP神经网络的特点 | 第41-42页 |
| ·BP神经网络的缺陷 | 第42页 |
| ·BP神经网络的泛化问题 | 第42-43页 |
| ·仿真实验及结果分析 | 第43-50页 |
| ·目标及数据基础分析 | 第43页 |
| ·BP神经网络的数值选取 | 第43页 |
| ·网络结构的设计 | 第43-46页 |
| ·数据预处理 | 第46页 |
| ·核心交易量预测模型在MATLAB中的实现 | 第46-50页 |
| 第五章 基于组合模型的核心交易量的预测 | 第50-62页 |
| ·组合模型的优势 | 第50-51页 |
| ·组合模型的建立过程 | 第51-52页 |
| ·数据预处理 | 第52页 |
| ·预测线性部分 | 第52-54页 |
| ·时间序列平稳性检验 | 第52-53页 |
| ·数据平稳化处理 | 第53-54页 |
| ·模型识别 | 第54页 |
| ·预测核心交易量线性部分 | 第54页 |
| ·预测非线性部分 | 第54-56页 |
| ·数据预处理 | 第54-55页 |
| ·设计网络结构 | 第55-56页 |
| ·训练网络 | 第56页 |
| ·预测核心交易量非线性部分 | 第56页 |
| ·结果分析 | 第56-57页 |
| ·组合模型的改进 | 第57-62页 |
| ·改进模型的预测过程 | 第57-58页 |
| ·仿真实验 | 第58-60页 |
| ·推广能力检验 | 第60页 |
| ·结果分析 | 第60-62页 |
| 第六章 总结与展望 | 第62-63页 |
| ·全文总结 | 第62页 |
| ·发展展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
