基于RBF神经网络的期货走势预测模型研究
| 第一章 绪论 | 第1-14页 |
| ·概述 | 第9页 |
| ·期货市场 | 第9-10页 |
| ·期货价格预测 | 第10-11页 |
| ·神经网络预测在经济领域中的有效性 | 第11-12页 |
| ·本文研究的主要内容 | 第12-14页 |
| 第2章 神经网络基本理论 | 第14-22页 |
| ·神经网络的发展历史与现状 | 第14-18页 |
| ·神经元理论 | 第18-20页 |
| ·神经网络基本模型 | 第20-22页 |
| 第3章 RBF神经网络 | 第22-32页 |
| ·径向基函数 | 第22-24页 |
| ·RBF神经网络结构 | 第24页 |
| ·RBF神经网络的映射关系 | 第24-26页 |
| ·RBF网络学习算法 | 第26-31页 |
| ·基于聚类的RBF神经网络学习算法 | 第27-28页 |
| ·动态全监督RBF神经网络学习算法 | 第28-31页 |
| ·权重修改算法--- LMS算法 | 第31页 |
| ·RBF网络与BP网络的比较 | 第31-32页 |
| 第4章 基于神经网络的期货预测模型的分析与设计 | 第32-48页 |
| ·期货市场影响因素 | 第32页 |
| ·数据分析 | 第32-35页 |
| ·数据来源 | 第33页 |
| ·样本选择 | 第33-34页 |
| ·数据预处理 | 第34-35页 |
| ·学习训练的方法及预测标准 | 第35-36页 |
| ·学习训练的方法 | 第35页 |
| ·预测测试的标准 | 第35-36页 |
| ·预测模型的误差控制 | 第36页 |
| ·基于回归树的RBF神经网络学习算法 | 第36-43页 |
| ·回归树和RBF神经网络结合的可能性 | 第36-37页 |
| ·该算法的研究现状 | 第37-38页 |
| ·基于回归树的RBF神经网络学习算法 | 第38-41页 |
| ·基于回归树的RBF神经网络学习算法的性能分析 | 第41-43页 |
| ·模型的设计与实现 | 第43-48页 |
| ·模型的总体结构与流程 | 第43-44页 |
| ·数据库设计 | 第44-45页 |
| ·模型的实现 | 第45-48页 |
| 第5章 期货走势预测 | 第48-58页 |
| ·数据收集与预处理 | 第48-52页 |
| ·预测结果数据 | 第52-54页 |
| ·误差分析 | 第54-55页 |
| ·神经网络预测的盈利性分析 | 第55-57页 |
| ·预测检验分析结论 | 第57-58页 |
| 第6章 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-71页 |
| 攻读学位期间公开发表的论文 | 第71-72页 |
| 致谢 | 第72-73页 |
| 研究生履历 | 第73页 |
