| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-12页 |
| ·课题的研究背景 | 第6-7页 |
| ·国内外研究现状 | 第7-9页 |
| ·研究目的及意义 | 第9-10页 |
| ·主要研究内容及构成 | 第10-12页 |
| 第二章 HS300指数预测的关键问题分析 | 第12-17页 |
| ·HS300的构成和计算 | 第12-13页 |
| ·HS300预测面临的问题 | 第13-14页 |
| ·预测方法的分析 | 第14-16页 |
| ·ARIMA模型 | 第14页 |
| ·人工神经网络(ANN)模型 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 前向多层人工神经网络(MLFN)与BP算法 | 第17-33页 |
| ·多层前向人工神经网络(MLFN)及基于梯度的误差反传算法(BP算法) | 第17-28页 |
| ·人工神经网络分析 | 第17-21页 |
| ·BP神经网络 | 第21-23页 |
| ·BP算法 | 第23-28页 |
| ·BP算法在预测中存在的问题 | 第28-30页 |
| ·网络泛化问题 | 第28-30页 |
| ·输入量的确定 | 第30页 |
| ·参数的调节 | 第30页 |
| ·BP算法的改进 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 BP算法在股指预测中的应用 | 第33-54页 |
| ·BP神经网络进行股票指数预测的原理 | 第33-35页 |
| ·BP神经网络预测方法的设计 | 第33-34页 |
| ·BP神经网络用于股票预测的基本步骤 | 第34-35页 |
| ·基于BP网络的股市预测模型 | 第35-39页 |
| ·网络拓扑结构的设计 | 第35-36页 |
| ·预测模型的数值选取与处理 | 第36-39页 |
| ·股市预测模型在MATLAB中的实现 | 第39-45页 |
| ·BP网络的MATLAB实现 | 第39-43页 |
| ·BP网络进行股指预测的实现 | 第43-45页 |
| ·仿真实验及结果分析 | 第45-50页 |
| ·预测结果对比分析 | 第45-47页 |
| ·预测方法原理对比分析 | 第47-50页 |
| ·ELMAN神经网络预测模型 | 第50-53页 |
| ·Elman神经网络的结构和学习训练算法 | 第50-52页 |
| ·Elman神经网络预测模型的实现及预测结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结束语 | 第54-56页 |
| ·总结 | 第54页 |
| ·尚需进一步研究的工作 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 论文发表及参加项目情况 | 第60-61页 |