| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 股价预测国内外研究现状 | 第10-13页 |
| 1.3 论文组织及创新点 | 第13-15页 |
| 第2章 股价预测 | 第15-19页 |
| 2.1 股票概况 | 第15-17页 |
| 2.1.1 股票市场介绍 | 第15-16页 |
| 2.1.2 股价预测难点 | 第16-17页 |
| 2.2 股票市场可预测性分析 | 第17-18页 |
| 2.2.1 有效市场假说 | 第17页 |
| 2.2.2 关于股市可预测性的讨论 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 BP神经网络结构分析与算法改进 | 第19-30页 |
| 3.1 人工神经网络介绍 | 第19-22页 |
| 3.1.1 人工神经网络的基本原理 | 第19-21页 |
| 3.1.2 神经网络在金融领域的应用 | 第21-22页 |
| 3.2 BP神经网络 | 第22-26页 |
| 3.2.1 BP神经网络简介 | 第22-23页 |
| 3.2.2 BP神经网络的算法步骤 | 第23-25页 |
| 3.2.3 经典BP神经网络存在的问题 | 第25-26页 |
| 3.3 BP神经网络的改进 | 第26-29页 |
| 3.3.1 传统算法的训练结果 | 第27-28页 |
| 3.3.2 加入动量项的训练结果 | 第28页 |
| 3.3.3 同时加入动量项和变步长算法的训练结果 | 第28页 |
| 3.3.4 同时加入动量项和优化变步长算法的训练结果 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 技术价值结合式指标筛选 | 第30-36页 |
| 4.1 指标介绍 | 第30-33页 |
| 4.1.1 价值指标介绍 | 第30-31页 |
| 4.1.2 技术指标介绍 | 第31-33页 |
| 4.2 神经网络输入因子的确定 | 第33-34页 |
| 4.3 实验股票的选择 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 建模与分析 | 第36-56页 |
| 5.1 建立神经网络预测模型 | 第36-38页 |
| 5.1.1 样本选取 | 第36-37页 |
| 5.1.2 网络结构设计 | 第37-38页 |
| 5.2 股价预测仿真 | 第38-39页 |
| 5.3 中信证券股价预测结果分析 | 第39-52页 |
| 5.3.1 含价值指标的实验结果 | 第39-50页 |
| 5.3.2 不含价值指标的实验结果 | 第50-52页 |
| 5.4 中国人寿股价预测结果分析 | 第52-54页 |
| 5.5 预测1天与连续预测30天收盘价格的对比实验 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 6.1 全文总结 | 第56页 |
| 6.2 不足与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第62页 |