| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文工作及章节安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 股票及其预测方法 | 第13-18页 |
| ·股票及其性质 | 第13-15页 |
| ·影响股票价格的因素 | 第15页 |
| ·股票预测的理论前提 | 第15-16页 |
| ·常见的股票预测的方法 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 神经网络理论 | 第18-32页 |
| ·神经网络概述 | 第18-22页 |
| ·生物神经网络 | 第18-19页 |
| ·人工神经网络的概念和特点 | 第19-20页 |
| ·人工神经网络工作原理 | 第20-22页 |
| ·BP神经网络及其算法 | 第22-30页 |
| ·BP网络结构 | 第22-23页 |
| ·BP网络学习公式推导 | 第23-28页 |
| ·BP算法描述 | 第28-30页 |
| ·BP神经网络的优缺点 | 第30-31页 |
| ·BP神经网络的主要优点 | 第30页 |
| ·BP神经网络的主要缺点 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 模拟退火算法 | 第32-41页 |
| ·模拟退火算法的物理基础 | 第32-34页 |
| ·物理系统退火过程 | 第32-33页 |
| ·Metropolis准则 | 第33-34页 |
| ·模拟退火算法的提出 | 第34-37页 |
| ·算法的描述 | 第34-35页 |
| ·模拟退火算法步骤 | 第35-37页 |
| ·模拟退火算法中关键参数和操作的设计 | 第37-40页 |
| ·状态产生函数 | 第37页 |
| ·状态接受函数 | 第37-38页 |
| ·起始温度的选取 | 第38-39页 |
| ·温度更新函数的确定 | 第39页 |
| ·内循环终止准则 | 第39页 |
| ·算法的中止准则 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于 BP 算法与模拟退火算法的股票预测系统 | 第41-58页 |
| ·基于 BP 算法和模拟退火算法的混合算法 | 第41-46页 |
| ·混合算法的提出 | 第42-43页 |
| ·自适应步长的BP算法 | 第43页 |
| ·本论文设计的混合学习算法 | 第43-46页 |
| ·预测前输入样本的预处理 | 第46-48页 |
| ·数据选取 | 第46页 |
| ·数据的归一化处理 | 第46-48页 |
| ·预测方法的选择 | 第48-49页 |
| ·股票预测系统的设计与实现 | 第49-57页 |
| ·预测依据的选择 | 第49-50页 |
| ·神经网络的结构设计和参数初始值确定 | 第50-54页 |
| ·股票预测系统的实现 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 股票预测系统的应用分析 | 第58-63页 |
| ·股票预测系统的运用 | 第58-61页 |
| ·结果分析 | 第61页 |
| ·进一步的工作 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结束语 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录A 硕士期间发表的论文 | 第68-69页 |
| 附录B 基于BP算法和模拟退火算法的混合训练算法核心代码 | 第69-81页 |