基于遗传神经网络上市公司股价向基本面回归的分析研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-11页 |
| ·研究的背景 | 第8页 |
| ·研究的目的及意义 | 第8-9页 |
| ·国内外理论的发展现状 | 第9-11页 |
| 2 神经网络与遗传算法 | 第11-26页 |
| ·人工神经网络 | 第11-12页 |
| ·人工神经网络概述 | 第11页 |
| ·神经网络的研究方向及应用 | 第11-12页 |
| ·BP神经网络 | 第12-16页 |
| ·BP神经网络学习过程 | 第13-14页 |
| ·BP神经网络结构及设计原理 | 第14-15页 |
| ·BP算法的限制与不足 | 第15页 |
| ·BP算法的改进 | 第15-16页 |
| ·遗传算法 | 第16-22页 |
| ·遗传算法的基本原理 | 第17页 |
| ·遗传算法流程 | 第17-21页 |
| ·遗传算法的特点 | 第21-22页 |
| ·遗传算法应用 | 第22页 |
| ·遗传算法与BP神经网络结合 | 第22-26页 |
| ·遗传算法和神经网络结合方式 | 第23页 |
| ·遗传算法和神经网络结合算法 | 第23-25页 |
| ·本文遗传神经网络结合算法 | 第25-26页 |
| 3 影响上市公司股价的基本面因素分析 | 第26-33页 |
| ·上市公司业绩因素 | 第26-27页 |
| ·宏观经济因素 | 第27-31页 |
| ·其它影响因素 | 第31-32页 |
| ·影响因素的选取 | 第32-33页 |
| 4 遗传神经网络模型的建立 | 第33-50页 |
| ·历史数据的资料收集及处理 | 第34-44页 |
| ·数据的收集 | 第34-38页 |
| ·数据预处理 | 第38-44页 |
| ·BP神经网络结构设计 | 第44-47页 |
| ·输入输出神经元选取 | 第44-45页 |
| ·网络层数确定 | 第45页 |
| ·隐含层的确定 | 第45页 |
| ·各层间的传递函数 | 第45-47页 |
| ·遗传算法设置 | 第47-50页 |
| ·遗传算法优化神经网络的方法 | 第47页 |
| ·遗传算法各项参数的确定 | 第47-49页 |
| ·本文遗传算法的改进 | 第49-50页 |
| 5 遗传神经网络模型的MATLAB仿真实现 | 第50-57页 |
| ·遗传算法仿真 | 第50-52页 |
| ·遗传神经网络网络模型训练 | 第52-55页 |
| ·验证及结果分析 | 第55-57页 |
| 6 总结和展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 7 参考文献 | 第59-64页 |
| 8 攻读硕士学位期间发表论文情况 | 第64-65页 |
| 9 致谢 | 第65页 |
