| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景 | 第7-9页 |
| ·金融时间序列 | 第7页 |
| ·神经网络的特点 | 第7-8页 |
| ·神经网络在金融市场中的应用 | 第8-9页 |
| ·本文主要研究内容 | 第9-11页 |
| 第二章 BP神经网络 | 第11-24页 |
| ·人工神经网络及其发展 | 第11-12页 |
| ·神经元模型 | 第12-13页 |
| ·神经网络的类型 | 第13-14页 |
| ·BP神经网络 | 第14-23页 |
| ·BP神经网络结构 | 第15页 |
| ·BP学习算法 | 第15-21页 |
| ·BP算法的改进 | 第21-23页 |
| ·使用神经网络预测的步骤 | 第23-24页 |
| 第三章 神经网络与ARIMA模型在时间序列预测中的比较 | 第24-31页 |
| ·ARIMA模型的预测 | 第25-26页 |
| ·ARIMA 模型 | 第25页 |
| ·ARIMA模型的建立 | 第25-26页 |
| ·神经网络的预测 | 第26-27页 |
| ·神经网络与ARIMA模型的比较 | 第27-31页 |
| ·预测的评价方法 | 第27-28页 |
| ·结果的比较 | 第28-31页 |
| 第四章 组合神经网络的使用 | 第31-36页 |
| ·组合预测方法的发展 | 第31页 |
| ·问题的提出 | 第31-32页 |
| ·一种新的组合方法 | 第32-33页 |
| ·实验过程 | 第33页 |
| ·结果讨论 | 第33-36页 |
| 第五章 结论与展望 | 第36-37页 |
| ·结论 | 第36页 |
| ·今后的工作 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 发表论文和科研情况说明 | 第39-40页 |
| 致谢 | 第40页 |