基于小波变异的粒子群优化算法的函数连接型神经网络对股指预测的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 股市预测相关理论的发展概况 | 第11-13页 |
| 1.3 本文研究思路以及章节安排 | 第13-15页 |
| 第2章 神经网络及其训练算法 | 第15-24页 |
| 2.1 神经网络 | 第15-18页 |
| 2.1.1 多层感知机模型 | 第16-17页 |
| 2.1.2 函数连接型神经网络 | 第17-18页 |
| 2.2 参数优化方法 | 第18-23页 |
| 2.2.1 BP算法 | 第19-21页 |
| 2.2.2 粒子群算法 | 第21-22页 |
| 2.2.3 粒子群算法与BP算法的比较 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于小波变异的粒子群算法 | 第24-30页 |
| 3.1 混合的粒子群算法 | 第24页 |
| 3.2 基于小波变异的粒子群算法原理及改进算法 | 第24-27页 |
| 3.3 Benchmark函数数值试验 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 股指预测实证研究 | 第30-39页 |
| 4.1 模型建立的依据 | 第30页 |
| 4.2 评价预测结果的标准 | 第30-32页 |
| 4.3 数据说明 | 第32页 |
| 4.3.1 数据来源 | 第32页 |
| 4.3.2 标准化 | 第32页 |
| 4.4 实证模型建立及结果分析 | 第32-37页 |
| 4.4.1 对于股指的预测 | 第32-35页 |
| 4.4.2 对于收益率的预测 | 第35-37页 |
| 4.5 本章小结 | 第37-39页 |
| 第5章 结论与展望 | 第39-41页 |
| 5.1 研究总结 | 第39-40页 |
| 5.2 研究不足以及展望 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第45-46页 |
| 致谢 | 第46页 |
