| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·股票预测研究综述 | 第9-10页 |
| ·股市预测存在的问题 | 第10-11页 |
| ·股市预测研究意义 | 第11页 |
| ·本文的结构安排 | 第11-13页 |
| 第2章 神经网络基本理论 | 第13-22页 |
| ·神经网络基本原理 | 第13-15页 |
| ·神经网络基本构成 | 第13-14页 |
| ·常见神经网络的拓扑结构 | 第14-15页 |
| ·神经网络基本特性 | 第15页 |
| ·BP神经网络 | 第15-20页 |
| ·BP网络结构 | 第15-16页 |
| ·BP网络模型 | 第16-18页 |
| ·BP网络的缺陷 | 第18-19页 |
| ·传统BP算法的改进 | 第19-20页 |
| ·BP神经网络应用于股票预测的可行性分析 | 第20-22页 |
| 第3章 主成分分析法和遗传算法 | 第22-26页 |
| ·主成分分析法的原理 | 第22-24页 |
| ·主成分分析法的基本原理 | 第22页 |
| ·主成分分析法的数学模型 | 第22-23页 |
| ·主成分分析法步骤 | 第23-24页 |
| ·遗传算法的原理 | 第24-26页 |
| ·遗传算法概述 | 第24页 |
| ·遗传算法步骤 | 第24-25页 |
| ·遗传算法特点 | 第25-26页 |
| 第4章 基于PCA的GA-BP网络预测模型 | 第26-41页 |
| ·引入PCA和GA算法的背景 | 第26页 |
| ·基于PCA的GA-BP网络预测 | 第26-31页 |
| ·股票预测方法的设计 | 第26-28页 |
| ·股票预测误差指标 | 第28页 |
| ·基于PCA的GA-BP网络预测的步骤 | 第28-31页 |
| ·遗传算法优化BP网络 | 第31-32页 |
| ·BP网络结构的设计 | 第32-34页 |
| ·遗传算法优化BP网络的算法实现 | 第34-37页 |
| ·BP网络训练 | 第37-41页 |
| 第5章 基于PCA的GA-BP网络股票预测模型仿真实验 | 第41-60页 |
| ·MATLAB简介 | 第41页 |
| ·样本数据的选取和预处理 | 第41-48页 |
| ·样本数据的选取 | 第41-42页 |
| ·样本数据的预处理 | 第42-48页 |
| ·网络股票预测模型 | 第48-54页 |
| ·激活函数和训练函数的确定 | 第49页 |
| ·隐含层节点数的确定 | 第49-51页 |
| ·遗传算法的实现 | 第51-54页 |
| ·仿真实验及预测结果分析 | 第54-60页 |
| ·BP网络模型和GA-BP网络模型仿真实验 | 第54-56页 |
| ·PCA-BP网络模型和PCA-GA-BP网络模型仿真实验 | 第56-58页 |
| ·仿真实验结果的对比和分析 | 第58-60页 |
| 第6章 结论与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |