基于逐步回归分析的组合神经网络股指预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景与问题提出 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 问题提出 | 第10-11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.2.1 组合神经网络股指预测的研究目的 | 第11-12页 |
| 1.2.2 组合神经网络股指预测的研究意义 | 第12页 |
| 1.3 国内外研究现状及其评述 | 第12-18页 |
| 1.3.1 神经网络预测的国内外研究现状 | 第13-16页 |
| 1.3.2 组合预测方法的国内外研究现状 | 第16-17页 |
| 1.3.3 国内外研究现状评述 | 第17-18页 |
| 1.4 研究内容与研究方法 | 第18-20页 |
| 1.4.1 研究内容 | 第18页 |
| 1.4.2 研究方法 | 第18-20页 |
| 第2章 单项预测模型和组合预测模型的理论框架 | 第20-34页 |
| 2.1 RBF神经网络分析方法 | 第20-23页 |
| 2.1.1 RBF神经网络结构及其特点 | 第20-22页 |
| 2.1.2 RBF学习算法 | 第22-23页 |
| 2.2 BP神经网络分析方法 | 第23-26页 |
| 2.2.1 BP神经网络结构及其特点 | 第23-24页 |
| 2.2.2 BP网络学习算法 | 第24-26页 |
| 2.3 GRNN神经网络分析方法 | 第26-30页 |
| 2.3.1 GRNN网络结构及其特点 | 第26-28页 |
| 2.3.2 GRNN网络基本算法 | 第28-29页 |
| 2.3.3 光滑因子的确定方法 | 第29-30页 |
| 2.4 组合预测理论模型及其修正 | 第30-33页 |
| 2.4.1 最优组合预测模型的基本原理与特点 | 第30-32页 |
| 2.4.2 最优组合预测模型的修正 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 最优组合预测模型的构建及数据的预处理 | 第34-41页 |
| 3.1 最优组合预测模型的构建 | 第34-36页 |
| 3.2 预测效果评价指标体系的设计 | 第36-37页 |
| 3.3 数据的收集与输入变量的选取 | 第37-40页 |
| 3.3.1 数据的收集与说明 | 第37-38页 |
| 3.3.2 逐步回归分析方法说明 | 第38页 |
| 3.3.3 输入变量的选取 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 股指收盘价组合预测的实证研究 | 第41-57页 |
| 4.1 RBF神经网络预测实证研究 | 第41-46页 |
| 4.1.1 RBF神经网络用于股指预测的基本步骤 | 第41-42页 |
| 4.1.2 RBF神经网络模型的设计 | 第42-43页 |
| 4.1.3 模型步长的设计 | 第43-44页 |
| 4.1.4 RBF神经网络预测结果分析 | 第44-45页 |
| 4.1.5 逐步回归分析的有效性验证 | 第45-46页 |
| 4.2 BP神经网络预测实证研究 | 第46-48页 |
| 4.2.1 BP神经网络股指预测的模型设计 | 第46-47页 |
| 4.2.2 BP神经网络预测结果分析 | 第47-48页 |
| 4.3 GRNN神经网络预测实证研究 | 第48-49页 |
| 4.3.1 GRNN神经网络股指预测的模型设计 | 第48-49页 |
| 4.3.2 GRNN神经网络预测结果分析 | 第49页 |
| 4.4 组合预测实证研究 | 第49-56页 |
| 4.4.1 不变权重组合预测的步骤 | 第49-50页 |
| 4.4.2 不变权重组合预测的结果分析 | 第50-53页 |
| 4.4.3 变权重组合预测研究 | 第53-55页 |
| 4.4.4 稳健性检验 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-69页 |
| 致谢 | 第69页 |
