| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景、目的及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的 | 第11页 |
| 1.1.3 研究意义 | 第11页 |
| 1.2 国内外研究动态和发展趋势 | 第11-13页 |
| 1.2.1 股市预测的国外研究概况 | 第11-12页 |
| 1.2.2 股市预测的国内研究概况 | 第12-13页 |
| 1.2.3 发展趋势 | 第13页 |
| 1.3 研究内容、方法和创新点 | 第13-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究方法 | 第14页 |
| 1.3.3 创新点 | 第14-15页 |
| 第2章 混沌预测相关理论简介 | 第15-22页 |
| 2.1 混沌预测理论 | 第15-18页 |
| 2.1.1 混沌概述 | 第15-16页 |
| 2.1.2 混沌时间序列概述 | 第16页 |
| 2.1.3 相空间重构理论 | 第16-17页 |
| 2.1.4 常用混沌时间序列预测方法简介 | 第17-18页 |
| 2.2 BP神经网络理论 | 第18-19页 |
| 2.3 粒子群优化算法 | 第19-20页 |
| 2.4 2种典型的非线性系统简介 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于混沌理论的BP神经网络股指预测模型 | 第22-36页 |
| 3.1 基本思路 | 第22-23页 |
| 3.2 模型基本参数的确定 | 第23-26页 |
| 3.2.1 实验数据的确定 | 第23页 |
| 3.2.2 嵌入维数m和时间延迟τ的确定 | 第23页 |
| 3.2.3 BP神经网络参数的确定 | 第23-26页 |
| 3.3 数据归一化方法的确定 | 第26页 |
| 3.4 模型的基本步骤 | 第26-27页 |
| 3.5 仿真实验 | 第27-31页 |
| 3.5.1 2种典型非线性系统的仿真实验 | 第27-29页 |
| 3.5.2 实际股票指数的仿真实验 | 第29-31页 |
| 3.6 结果分析 | 第31-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第4章 基于PSO优化混沌BP神经网络的股指预测模型 | 第36-50页 |
| 4.1 基本思路 | 第36-37页 |
| 4.2 模型基本参数的确定 | 第37-39页 |
| 4.2.1 实验数据、嵌入维数和时间延迟的确定 | 第38页 |
| 4.2.2 粒子群算法中参数的确定 | 第38-39页 |
| 4.3 PSO优化混沌BP神经网络模型的基本步骤 | 第39-40页 |
| 4.4 仿真实验 | 第40-43页 |
| 4.4.1 2种典型非线性系统的仿真实验 | 第40-42页 |
| 4.4.2 实际股票指数的仿真实验 | 第42-43页 |
| 4.5 结果分析 | 第43-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 主要研究成果和结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间取得的科研成果 | 第56页 |