基于信息熵及粒子群优化算法的模糊时间序列预测模型研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文创新 | 第11页 |
| ·文章结构 | 第11-14页 |
| 第二章 金融时间序列与模糊时间序列分析概述 | 第14-22页 |
| ·引言 | 第14页 |
| ·金融时间序列 | 第14-16页 |
| ·模糊时间序列分析 | 第16-19页 |
| ·概念介绍 | 第16-19页 |
| ·模糊集合理论 | 第16-18页 |
| ·模糊时间序列 | 第18-19页 |
| ·预测模型 | 第19页 |
| ·存在问题 | 第19页 |
| ·本章小结 | 第19-22页 |
| 第三章 基于PSO及信息熵的模糊时间序列模型实现 | 第22-34页 |
| ·引言 | 第22页 |
| ·粒子群优化算法 | 第22-23页 |
| ·信息熵 | 第23-24页 |
| ·N阶差分启发模型 | 第24页 |
| ·算法实现(以入学人数预测为例) | 第24-28页 |
| ·定义论域及利用粒子群优化算法划分区间 | 第25页 |
| ·建立基于信息熵的模糊集并模糊化 | 第25-27页 |
| ·构建模糊逻辑关系及模糊逻辑关系矩阵 | 第27-28页 |
| ·解模糊化及预测 | 第28页 |
| ·实验结果分析 | 第28-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 模型在金融时间序列预测中的应用 | 第34-66页 |
| ·引言 | 第34页 |
| ·股票指数 | 第34-50页 |
| ·上证综指 | 第34-42页 |
| ·算法实现 | 第35-39页 |
| ·实验结果对比分析 | 第39-42页 |
| ·道琼斯工业指数 | 第42-50页 |
| ·算法实现 | 第42-46页 |
| ·实验结果对比分析 | 第46-50页 |
| ·USD/JPY汇率 | 第50-59页 |
| ·算法实现 | 第50-54页 |
| ·实验结果对比分析 | 第54-59页 |
| ·个股验证 | 第59-64页 |
| ·算法实现 | 第59-63页 |
| ·实验结果分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·论文总结 | 第66页 |
| ·进一步的工作 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读学位期间作者的工作成果 | 第76页 |
