| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 第一章 引言 | 第8-16页 |
| ·时间序列模型综述 | 第8-10页 |
| ·时间序列模型发展历程 | 第8-10页 |
| ·问题的提出 | 第10页 |
| ·神经网络在经济中的应用及优势研究 | 第10-11页 |
| ·应用研究 | 第10页 |
| ·存在缺陷 | 第10-11页 |
| ·选题的背景及说明 | 第11-12页 |
| ·本文主要内容 | 第12-13页 |
| ·本文创新之处 | 第13-16页 |
| 第二章 时间序列、神经网络及遗传算法基本理论 | 第16-26页 |
| ·时间序列的概述 | 第16-17页 |
| ·时间序列的预报 | 第16页 |
| ·经典时间序列建模的一般步骤 | 第16-17页 |
| ·人工神经网络理论 | 第17-23页 |
| ·前向型神经网络结构及 BP 学习过程 | 第18-22页 |
| ·神经网络结构模型与时间序列的预测关系 | 第22-23页 |
| ·遗传算法理论 | 第23-26页 |
| ·遗传算法的实现步骤 | 第23-24页 |
| ·基于遗传算法的神经网络对时间序列的预测实现 | 第24-26页 |
| 第三章 基于神经网络的一个混合模型的建立和实证研究 | 第26-38页 |
| ·建立混合模型的思想 | 第26-28页 |
| ·常见的用于经济序列预测的几种模型 | 第26-27页 |
| ·建立 ARIMA-ANN 混合模型的思想 | 第27-28页 |
| ·ARIMA-ANN 混合模型的形式 | 第28-29页 |
| ·模型构成机理 | 第28页 |
| ·模型形式 | 第28-29页 |
| ·实证分析 | 第29-37页 |
| ·时间序列ARIMA 模型预测 | 第29-31页 |
| ·GARCH 模型预测 | 第31-34页 |
| ·ANN 模型预测 | 第34-35页 |
| ·ARIMA—ANN 混合模型的预测 | 第35-36页 |
| ·预测模型的综合评价 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 GA-BP 神经网络预测模型的建立与实证研究 | 第38-51页 |
| ·GA-BP 神经网络模型的建立 | 第38-41页 |
| ·建立 GA-BP 神经网络模型的思想 | 第38页 |
| ·GA-BP 神经网络模型建立过程 | 第38-41页 |
| ·实证分析与预测 | 第41-50页 |
| ·ARIMA 模型预测 | 第41-43页 |
| ·一般 BP 模型的预测 | 第43-47页 |
| ·GA-BP 模型预测 | 第47-49页 |
| ·预测模型的综合评价 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 结论 | 第51-53页 |
| 附录 | 第53-69页 |
| 硕士期间的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |