| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 论文章节安排 | 第14-16页 |
| 第二章 文献综述 | 第16-24页 |
| 2.1 金融时间序列预测方法 | 第16-20页 |
| 2.2 程序化交易研究热点 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 QPSO-RPNN模型研发 | 第24-33页 |
| 3.1 神经网络与智能优化算法 | 第24-25页 |
| 3.2 递归预测器神经网络 | 第25-27页 |
| 3.3 量子行为粒子群优化算法 | 第27-29页 |
| 3.4 QPSO-RPNN工作原理 | 第29-30页 |
| 3.5 本章小结 | 第30-33页 |
| 第四章 基于QPSO-RPNN模型的金融时间序列预测 | 第33-45页 |
| 4.1 原理 | 第33页 |
| 4.2 网络结构 | 第33-35页 |
| 4.3 实验过程 | 第35-38页 |
| 4.3.1 实验数据 | 第35页 |
| 4.3.2 参数设定 | 第35-36页 |
| 4.3.3 实验步骤 | 第36-37页 |
| 4.3.4 QPSO-RPNN工作过程 | 第37-38页 |
| 4.4 C++编程 | 第38-40页 |
| 4.5 实验结果 | 第40-42页 |
| 4.6 本章小结 | 第42-45页 |
| 第五章 基于QPSO-RPNN的程序化交易研究 | 第45-54页 |
| 5.1 实验分析 | 第45-53页 |
| 5.1.1 数据来源 | 第45-46页 |
| 5.1.2 方法及步骤 | 第46-49页 |
| 5.1.3 分析与结论 | 第49-53页 |
| 5.2 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-57页 |
| 6.1 论文所做主要工作 | 第54-55页 |
| 6.2 总结 | 第55页 |
| 6.3 展望 | 第55-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表论文和参与课题 | 第66页 |