遗传算法与神经网络在股票预测中的分析
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-28页 |
| ·股票的基本知识 | 第12-18页 |
| ·股票名词解释 | 第12-13页 |
| ·股票的基本特征 | 第13页 |
| ·RSI 指标 | 第13-15页 |
| ·OBV 指标 | 第15-17页 |
| ·股票的研究背景 | 第17-18页 |
| ·人工神经网络介绍 | 第18-22页 |
| ·人工神经元 | 第18-19页 |
| ·激励函数 | 第19-20页 |
| ·神经网络的特点 | 第20-21页 |
| ·人工神经网络的应用 | 第21-22页 |
| ·股票预测的常用方法 | 第22-26页 |
| ·证券投资分析法 | 第23-24页 |
| ·模型预测法 | 第24页 |
| ·混沌动力学法 | 第24-25页 |
| ·马尔可夫链分析 | 第25页 |
| ·神经网络预测法 | 第25-26页 |
| ·股票预测的研究现状 | 第26-28页 |
| 第二章 神经网络模型及算法 | 第28-40页 |
| ·BP 神经网络 | 第28-34页 |
| ·BP 神经网络网络模型 | 第28-29页 |
| ·BP 神经网络学习规则 | 第29-31页 |
| ·BP 算法的不足与改进 | 第31-33页 |
| ·网络泛化能力的讨论 | 第33-34页 |
| ·RBF 神经网络 | 第34-37页 |
| ·RBF 神经网络模型 | 第34-35页 |
| ·RBF 学习算法 | 第35-37页 |
| ·GRNN 神经网络 | 第37-40页 |
| ·GRNN 模型 | 第37-38页 |
| ·GRNN 学习规则 | 第38-40页 |
| 第三章 遗传算法 | 第40-52页 |
| ·遗传算法的基本特征 | 第40-41页 |
| ·遗传算法的应用 | 第41-42页 |
| ·遗传算法求解一般步骤 | 第42-44页 |
| ·遗传算法的实现 | 第44-52页 |
| ·编码 | 第44-46页 |
| ·个体适应度函数 | 第46-47页 |
| ·遗传算子 | 第47-52页 |
| 第四章 基于MATLAB 的网络设计 | 第52-62页 |
| ·GA-BP 网络设计 | 第52-60页 |
| ·遗传算法参数设计 | 第53-56页 |
| ·BP 网络的参数设计 | 第56-58页 |
| ·GA-BP 算法设计 | 第58-60页 |
| ·RBF 网络设计 | 第60-61页 |
| ·GRNN 网络设计 | 第61-62页 |
| 第五章 股票预测 | 第62-74页 |
| ·选取原始数据 | 第64-65页 |
| ·数据的预处理 | 第65-66页 |
| ·MATLAB 预测与分析 | 第66-74页 |
| 第六章 结论与展望 | 第74-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
