基于改进BP神经网络的上证指数预测
| 内容摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 前言 | 第11-13页 |
| 第一章 股票市场的分形特征及其指数的预测方法 | 第13-27页 |
| 第一节 股票市场的分形特征 | 第13-18页 |
| 一 传统的有效市场假说 | 第13-15页 |
| 二 分形市场的假说(FMH) | 第15-18页 |
| 第二节 分形市场的判断 | 第18-24页 |
| 一 分形市场的常用判断方法 | 第18页 |
| 二 使用R/S 法计算Hurst 指数 | 第18-21页 |
| 三 上证指数序列的Hurst 值的计算 | 第21-23页 |
| 四 R/S 计算的结果分析 | 第23-24页 |
| 第三节 常用的混沌时间序列分析预测方法 | 第24-25页 |
| 一 传统的时序预测法 | 第24-25页 |
| 二 使用神经网络预测时序 | 第25页 |
| 第四节 基于神经网络的证券指数预测研究的简述 | 第25-27页 |
| 一 目前部分模型对上证指数预测的结果 | 第25-26页 |
| 二 现有预测模型存在的不足 | 第26-27页 |
| 第二章 具有分形特征的时间数列的神经网络对预测 | 第27-36页 |
| 第一节 神经网络的基本原理 | 第27-33页 |
| 一 人工神经网络的历史 | 第27-28页 |
| 二 神经网络的特点 | 第28-30页 |
| 三 神经网络的基本原理 | 第30-33页 |
| 第二节 基于BP算法的三层向前的神经网络 | 第33-36页 |
| 一 多层次的神经网络 | 第34页 |
| 二 BP网络的基本原理 | 第34-36页 |
| 第三章 对BP神经网络的改进 | 第36-46页 |
| 第一节 BP网络的缺陷 | 第36-37页 |
| 第二节 与BP算法相结合的遗传算法 | 第37-41页 |
| 一 遗传算法简介 | 第37-38页 |
| 二 遗传算法的基本原理 | 第38-39页 |
| 三 遗传算法与传统BP神经网络的结合 | 第39-41页 |
| 第三节 在样本输入中添加随机噪声 | 第41-43页 |
| 一 添加随机噪声的目的 | 第41-42页 |
| 二 对训练样本添加噪声的一个示例 | 第42-43页 |
| 第四节 多个神经网络集成预测 | 第43-46页 |
| 一 单个神经网络进行预测的缺陷 | 第43-44页 |
| 二 集成神经网络的误差分析 | 第44-46页 |
| 第四章 实证结果及其分析 | 第46-63页 |
| 第一节 神经网络结构设计 | 第46-49页 |
| 第二节 利用BP神经网络预测上证指数的流程 | 第49-52页 |
| 一 数据的预训练和测试 | 第49-50页 |
| 二 训练过程 | 第50页 |
| 三 预测过程 | 第50-52页 |
| 第三节 实际预测结果 | 第52-59页 |
| 一 按时间划分序列的模拟预测 | 第52-54页 |
| 二 按价格变化幅度划分序列的模拟预测 | 第54-59页 |
| 第四节 对预测结果的分析和思考 | 第59-61页 |
| 一 预测模型的缺陷 | 第59-60页 |
| 二 对现有预测模型改进的设想 | 第60-61页 |
| 第五节 总结 | 第61-63页 |
| 参考文献 | 第63-64页 |
