基于小波分析和神经网络的金融时间序列预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景与研究意义 | 第10-12页 |
| ·文献综述 | 第12-15页 |
| ·时间序列计量方法的国内外研究现状 | 第12-13页 |
| ·数据挖掘方法在时间序列研究中应用现状 | 第13-14页 |
| ·小波理论以及应用 | 第14-15页 |
| ·研究内容和论文结构 | 第15-16页 |
| 第二章 金融时间序研究概述 | 第16-24页 |
| ·时间序列基础 | 第16-18页 |
| ·时间序列的概念 | 第16-17页 |
| ·金融时间序列的特征 | 第17-18页 |
| ·时间序列分析概述 | 第18-21页 |
| ·时间序列的经典模型分析法 | 第18-20页 |
| ·时间序列的数据挖掘 | 第20-21页 |
| ·传统模型与数据挖掘的比较 | 第21-24页 |
| 第三章 神经网络 | 第24-38页 |
| ·数据挖掘概述 | 第24-27页 |
| ·基本概念 | 第24页 |
| ·数据挖掘的功能 | 第24-26页 |
| ·数据挖掘的方法简介 | 第26-27页 |
| ·人工神经网络基本原理 | 第27-33页 |
| ·神经网络的基本功能 | 第27页 |
| ·一般神经元模型 | 第27-30页 |
| ·神经元学习算法 | 第30-32页 |
| ·神经网络的拓扑结构 | 第32-33页 |
| ·BP神经网络 | 第33-38页 |
| ·BP算法的基本原理与特点 | 第34-35页 |
| ·BP神经网络算法 | 第35-36页 |
| ·BP神经网络存在的问题 | 第36-38页 |
| 第四章 小波分析 | 第38-45页 |
| ·小波函数 | 第38-39页 |
| ·连续小波变换 | 第39-40页 |
| ·离散小波变换 | 第40-41页 |
| ·常见小波函数及其性质 | 第41-43页 |
| ·多分辨率分析 | 第43-44页 |
| ·小波分析常用算法 | 第44-45页 |
| 第五章 实证研究 | 第45-61页 |
| ·模型建立的思路 | 第45-46页 |
| ·数据预处理方法 | 第46-47页 |
| ·模型评价方法 | 第47页 |
| ·实证分析过程 | 第47-59页 |
| ·数据的统计分析 | 第47-49页 |
| ·小波分解 | 第49-52页 |
| ·基于小波分析的时间序列的预测 | 第52-59页 |
| ·小结 | 第59-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录: 小波变换部分的MATLAB程序 | 第67-68页 |
| 致谢 | 第68页 |
