| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 本文的课题来源及创新工作 | 第20-21页 |
| 1.3.1 课题来源 | 第20页 |
| 1.3.2 本文主要工作创新 | 第20-21页 |
| 1.4 本文组织结构 | 第21-22页 |
| 第二章 基础理论概述 | 第22-30页 |
| 2.1 股市技术指标 | 第22-27页 |
| 2.1.1 常用技术指标 | 第22-25页 |
| 2.1.2 K线技术形态 | 第25-27页 |
| 2.2 BP神经网络 | 第27-29页 |
| 2.2.1 激活函数 | 第28页 |
| 2.2.2 误差逆传播算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 深度计算的同辈群体股市态势预测算法 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.2 同辈群体 | 第31-33页 |
| 3.2.1 同辈群体定义 | 第31-32页 |
| 3.2.2 亲密度 | 第32-33页 |
| 3.3 自回归模型 | 第33页 |
| 3.3.1 AR模型定义 | 第33页 |
| 3.3.2 AR模型参数估计 | 第33页 |
| 3.4 基于深度计算的同辈群体生成算法 | 第33-39页 |
| 3.4.1 相关定理及证明 | 第33-37页 |
| 3.4.2 相关定义 | 第37页 |
| 3.4.3 深度计算的同辈群体生成算法 | 第37-39页 |
| 3.5 基于同辈群体的自回归模型价格态势预测算法 | 第39-41页 |
| 3.5.1 算法思想 | 第39-40页 |
| 3.5.2 算法过程 | 第40页 |
| 3.5.3 算法性能优化 | 第40-41页 |
| 3.6 实验及结果分析 | 第41-43页 |
| 3.6.1 实验结果 | 第41-42页 |
| 3.6.2 误差分析 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 融合量价关系的可变长同辈群体股市态势预测算法 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 融合量价关系的可变长同辈群体生成算法 | 第45-51页 |
| 4.2.1 相关知识 | 第45页 |
| 4.2.2 相关定理及证明 | 第45-47页 |
| 4.2.3 相关定义 | 第47-48页 |
| 4.2.4 可变长同辈群体的指标计算方法 | 第48-49页 |
| 4.2.5 融合量价关系的可变长同辈群体生成算法 | 第49-51页 |
| 4.3 融合量价关系的可变长同辈群体股市态势预测算法 | 第51-53页 |
| 4.3.1 算法思想 | 第52页 |
| 4.3.2 算法过程 | 第52-53页 |
| 4.4 实验结果分析 | 第53-55页 |
| 4.4.1 预测结果对比 | 第53-54页 |
| 4.4.2 误差分析 | 第54-55页 |
| 4.5 同辈群体指标间相关性分析 | 第55-60页 |
| 4.5.1 贝叶斯网络 | 第55-56页 |
| 4.5.2 基于同辈群体指标的贝叶斯网络 | 第56-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文工作总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |