| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·股票市场的风险 | 第11-12页 |
| ·股票价格预测的目的和意义 | 第12-13页 |
| ·目前预测股票价格的方法 | 第13-14页 |
| ·神经网络理论在股票价格预测上的应用 | 第14-16页 |
| ·本文所做的工作 | 第16-17页 |
| 第2章 神经网络基本原理 | 第17-25页 |
| ·基本概念 | 第17页 |
| ·历史背景 | 第17-18页 |
| ·线性神经网络 | 第18-19页 |
| ·BP 神经网络 | 第19-22页 |
| ·RBF 神经网络 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第3章 对不同神经网络股价预测的对比分析 | 第25-44页 |
| ·海虹控股 | 第25-33页 |
| ·利用RBF 神经网络对海虹控股的预测 | 第26-29页 |
| ·利用BP 神经网络对海虹控股的预测 | 第29-32页 |
| ·利用线性神经网络对海虹控股的预测 | 第32-33页 |
| ·中关村 | 第33-43页 |
| ·利用RBF 神经网络对中关村的价格预测 | 第34-37页 |
| ·利用BP 神经网络对中关村的预测 | 第37-40页 |
| ·利用线性神经网络对中关村的预测 | 第40-43页 |
| ·对三种网络预测结果的总结 | 第43页 |
| ·小结 | 第43-44页 |
| 第4章 基于BP 与RBF 的混合神经网络的设计 | 第44-53页 |
| ·RBF 网络较优的初始结构和参数 | 第44-47页 |
| ·BP 算法优化RBF 网络参数 | 第47-48页 |
| ·利用混合网络对海虹控股的预测 | 第48-49页 |
| ·利用混合网络对中关村的预测 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第5章 基于BP 与RBF 混合神经网络的股价预测系统 | 第53-70页 |
| ·系统关键技术 | 第53-57页 |
| ·混合编程技术 | 第53页 |
| ·matlab 与VC++混合编程方法 | 第53-55页 |
| ·COM 组件技术 | 第55-56页 |
| ·消息映射机制 | 第56-57页 |
| ·系统结构 | 第57-59页 |
| ·数据处理中心 | 第57-58页 |
| ·股票数据库 | 第58页 |
| ·输出文件 | 第58页 |
| ·用户操作界面 | 第58-59页 |
| ·系统实现 | 第59-69页 |
| ·主界面的设计 | 第59-60页 |
| ·上市公司简介功能的实现 | 第60-61页 |
| ·K 线图查询功能的实现 | 第61-62页 |
| ·网络训练及预测功能的实现 | 第62-65页 |
| ·混合编程 | 第65-69页 |
| ·小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| ·结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-73页 |
| 作者简介 | 第73-74页 |
| 致谢 | 第74页 |