| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国外研究现状 | 第12-16页 |
| 1.2.1 基金经理投资风险行为机理研究现状 | 第12-14页 |
| 1.2.2 金融预测研究现状 | 第14-16页 |
| 1.3 本文的主要内容 | 第16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第2章 金融预测理论与方法概述 | 第19-27页 |
| 2.1 多元回归理论 | 第19-24页 |
| 2.1.1 多元回归基本理论 | 第19-20页 |
| 2.1.2 多元回归模型的假定 | 第20-21页 |
| 2.1.3 回归参数的最小二乘估计 | 第21页 |
| 2.1.4 多元回归的选元方法 | 第21-24页 |
| 2.2 人工神经网络理论 | 第24-26页 |
| 2.2.1 人工神经网络概念及特点 | 第24页 |
| 2.2.2 人工神经网络模型 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基金经理投资风险行为机理分析 | 第27-43页 |
| 3.1 基金行业现状分析 | 第27-30页 |
| 3.1.1 基金行业发展现状分析 | 第27-29页 |
| 3.1.2 基金相对业绩排名现状分析 | 第29-30页 |
| 3.2 基金经理现状分析 | 第30-31页 |
| 3.3 基金经理投资风险行为机理分析 | 第31-42页 |
| 3.3.1 数据的来源与预处理 | 第31-32页 |
| 3.3.2 变量的选择与计算方法 | 第32-34页 |
| 3.3.3 变量的描述性统计 | 第34-37页 |
| 3.3.4 实证分析结果 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基金经理投资风险行为多元回归预测模型建立 | 第43-57页 |
| 4.1 数据的来源与预处理 | 第43页 |
| 4.2 变量的选取和描述性统计 | 第43-44页 |
| 4.3 多元线性回归模型的建立 | 第44-49页 |
| 4.3.1 基于逐步回归法的变量确定 | 第45页 |
| 4.3.2 多元回归系数确定 | 第45-47页 |
| 4.3.3 模型相关性检验 | 第47页 |
| 4.3.4 模型显著性检验 | 第47-48页 |
| 4.3.5 参数显著性检验 | 第48-49页 |
| 4.4 多元线性模型的实证分析 | 第49-56页 |
| 4.4.1 评价指标 | 第49-51页 |
| 4.4.2 预测结果分析 | 第51-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基金经理投资风险行为神经网络预测模型建立 | 第57-71页 |
| 5.1 数据来源与变量选取 | 第57页 |
| 5.2 数据预处理 | 第57-58页 |
| 5.3 BP神经网络模型的建立 | 第58-63页 |
| 5.3.1 BP神经网络基本概念 | 第58-59页 |
| 5.3.2 BP神经网络结构的确定 | 第59-60页 |
| 5.3.3 BP神经网络的建立 | 第60-61页 |
| 5.3.4 BP神经网络的建立 | 第61-63页 |
| 5.4 RBF神经网络模型的建立 | 第63-66页 |
| 5.4.1 RBF神经网络基本概念 | 第63-64页 |
| 5.4.2 RBF神经网络结构的确定 | 第64-65页 |
| 5.4.3 RBF神经网络的建立 | 第65页 |
| 5.4.4 RBF神经网络的建立 | 第65-66页 |
| 5.5 不同模型的实证分析 | 第66-69页 |
| 5.5.1 BP神经网络和RBF神经网络预测结果对比分析 | 第66-68页 |
| 5.5.2 神经网络和多元线性回归预测结果对比分析 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 论文工作总结 | 第71页 |
| 6.2 未来研究方向展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士期间发表的论文、获奖情况及发明专利等项 | 第79页 |