| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题背景及研究的目的和意义 | 第11-12页 |
| ·股票预测方法的研究现状 | 第12-17页 |
| ·证劵投资分析方法 | 第13-14页 |
| ·时间序列分析方法 | 第14页 |
| ·灰色预测方法 | 第14页 |
| ·非线性预测方法 | 第14-16页 |
| ·组合预测方法 | 第16-17页 |
| ·股票预测面临的问题 | 第17-18页 |
| ·小波分析和人工神经网络的研究与发展 | 第18-20页 |
| ·小波分析的研究与发展 | 第18-19页 |
| ·人工神经网络的研究与发展 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 第2章 基础知识 | 第21-33页 |
| ·小波分析及其相关理论 | 第21-27页 |
| ·小波分析概述 | 第21-25页 |
| ·极大重叠离散小波变换 | 第25-27页 |
| ·极大重叠离散小波包变换 | 第27页 |
| ·神经网络及其相关理论 | 第27-31页 |
| ·人工神经元模型 | 第28-29页 |
| ·神经网络的激励函数 | 第29-30页 |
| ·神经网络的学习方法 | 第30页 |
| ·神经网络的特征 | 第30-31页 |
| ·神经网络的分类 | 第31页 |
| ·组合预测模型 | 第31-32页 |
| ·组合预测模型的基本思想 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 小波去噪研究 | 第33-41页 |
| ·小波阈值去噪 | 第33-34页 |
| ·新的阈值函数——ICTF 阈值函数 | 第34-35页 |
| ·新的阈值函数——ISTF 阈值函数 | 第35-36页 |
| ·阈值估计 | 第36-37页 |
| ·小波去噪的实例比较分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 小波神经网络研究 | 第41-51页 |
| ·小波神经网络结构 | 第41-42页 |
| ·小波神经网络的学习算法 | 第42页 |
| ·小波神经网络新算法 | 第42-46页 |
| ·Elman 神经网络 | 第42-45页 |
| ·一种改进的小波神经网络——IWNN 网络 | 第45-46页 |
| ·IWNN 网络的实例分析 | 第46-49页 |
| ·一种基于 MODWT 的 IWNN 网络预测新方法 | 第46-47页 |
| ·邮电业务总量数据的 MODWT 分解 | 第47-48页 |
| ·分层预测 | 第48页 |
| ·预测结果比较及分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 组合预测模型研究 | 第51-59页 |
| ·定权组合预测模型研究 | 第51-53页 |
| ·方差倒数法 | 第51-52页 |
| ·新的方差倒数法——NVRM 方法 | 第52页 |
| ·新的固定权组合预测方法及其改进方法——SMNE 和 ISMNE 方法 | 第52-53页 |
| ·变权组合预测模型研究 | 第53-56页 |
| ·最优变权组合预测方法 | 第53-55页 |
| ·基于神经网络的变权组合预测新方法——NVWCF 方法 | 第55-56页 |
| ·组合模型的实例比较分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 基于小波变换的多种模型组合预测方法研究及应用 | 第59-71页 |
| ·混合预测新方法(一)——NHFM1 方法 | 第59-60页 |
| ·混合预测新方法(二)——NHFM2 方法 | 第60-61页 |
| ·混合预测新方法(三)——NHFM3 方法 | 第61-63页 |
| ·线性和非线性混合模型 | 第61-62页 |
| ·预测方法流程 | 第62-63页 |
| ·混合预测新方法(四)——NHFM4 方法 | 第63页 |
| ·应用实例分析 | 第63-70页 |
| ·股票预测与分析(一) | 第63-65页 |
| ·股票预测与分析(二) | 第65-67页 |
| ·股票预测与分析(三) | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |
