基于SS滤波与RBF神经网络的汇率预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景与意义 | 第11-13页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13页 |
| ·相关文献综述 | 第13-18页 |
| ·汇率预测研究方法 | 第13-15页 |
| ·基于人工神经网络的汇率预测 | 第15-17页 |
| ·非参数估计应用现状 | 第17-18页 |
| ·研究思路与研究内容 | 第18-20页 |
| 第2章 相关研究基础与理论分析 | 第20-44页 |
| ·汇率理论与汇率预测方法 | 第20-23页 |
| ·基于基础分析的汇率预测 | 第20-22页 |
| ·基于技术分析的汇率预测 | 第22-23页 |
| ·人工神经网络原理 | 第23-35页 |
| ·人工神经网络技术原理 | 第24-26页 |
| ·感知器神经网络及其分析 | 第26-28页 |
| ·BP神经网络及其分析 | 第28-31页 |
| ·RBF神经网络及其分析 | 第31-35页 |
| ·非参数估计方法 | 第35-42页 |
| ·非参数估计原理 | 第36-39页 |
| ·SS滤波技术原理 | 第39-42页 |
| ·SS滤波与RBF神经网络组合预测方法 | 第42-44页 |
| 第3章 基于SS滤波与RBF模型的预测方法设计 | 第44-53页 |
| ·组合预测模型框架的提出 | 第44-45页 |
| ·SS滤波分解算法的提出 | 第45-49页 |
| ·SS滤波的参数选择 | 第47页 |
| ·分解算法停止准则的设计 | 第47-49页 |
| ·序列最优滞后期的估计 | 第49-50页 |
| ·RBF神经网络的构建 | 第50-53页 |
| ·RBF神经网络的创建方式 | 第50-51页 |
| ·扩展系数的选择 | 第51-53页 |
| 第4章 基于SS滤波与RBF模型的人民币汇率预测 | 第53-65页 |
| ·样本选取与基本统计特征 | 第53-55页 |
| ·模型关键参数的估计 | 第55-58页 |
| ·基于SS滤波的汇率多层次分解 | 第55-57页 |
| ·各子序列最优滞后期的确定 | 第57-58页 |
| ·RBF神经网络参数的确定 | 第58页 |
| ·模型预测效果的比较分析 | 第58-63页 |
| ·模型预测效果的评价标准 | 第58-59页 |
| ·模型群样本内拟合能力比较 | 第59-60页 |
| ·模型群样本外预测能力比较 | 第60-63页 |
| ·模型群预测性能的显著性检验 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
