基于BP算法的证券预测技术研究
| 第1章 绪论 | 第1-19页 |
| ·本文写作的背景及意义 | 第9-11页 |
| ·写作背景 | 第9-10页 |
| ·写作意义 | 第10-11页 |
| ·国内外有关理论的发展现状 | 第11-17页 |
| ·神经网络有关理论发展现状 | 第11-15页 |
| ·证券预测有关理论发展现状 | 第15-17页 |
| ·论文的主要内容及创新之处 | 第17-19页 |
| ·论文的主要内容 | 第17-18页 |
| ·论文的创新之处 | 第18-19页 |
| 第2章 神经网络基本理论及在管理中的应用 | 第19-39页 |
| ·神经网络概述 | 第19-22页 |
| ·生物神经元的基本特性 | 第19-20页 |
| ·人工神经网络的定义 | 第20页 |
| ·神经网络一般框架 | 第20-21页 |
| ·神经网络的基本特征 | 第21-22页 |
| ·神经网络的基本功能 | 第22页 |
| ·神经网络研究的分类 | 第22-23页 |
| ·神经网络的应用领域 | 第23-24页 |
| ·信息领域 | 第23页 |
| ·自动化领域 | 第23-24页 |
| ·工程领域 | 第24页 |
| ·医学领域 | 第24页 |
| ·经济领域 | 第24页 |
| ·神经网络在管理中的应用 | 第24-28页 |
| ·神经网络在管理中的应用区域 | 第24-26页 |
| ·神经网络对不同管理问题的适应能力 | 第26-28页 |
| ·感知器模型 | 第28页 |
| ·前向多层神经网络的BP学习算法及改进 | 第28-37页 |
| ·BP算法简介 | 第28页 |
| ·BP算法的原理 | 第28-33页 |
| ·BP算法的改进 | 第33-35页 |
| ·BP网络的设计 | 第35-37页 |
| ·Hopfield神经网络 | 第37-38页 |
| ·自组织网络模型 | 第38页 |
| ·随机网络模型 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 证券预测理论 | 第39-58页 |
| ·预测基本理论 | 第39-41页 |
| ·统计预测 | 第39页 |
| ·定性预测法 | 第39-40页 |
| ·回归预测与时间序列预测 | 第40页 |
| ·灰色预测法 | 第40-41页 |
| ·证券的概念与证券交易的作用 | 第41-43页 |
| ·证券的概念 | 第41页 |
| ·证券交易的作用 | 第41-43页 |
| ·证券交易的功能 | 第43-44页 |
| ·国内外证券市场现状 | 第44-47页 |
| ·中国证券市场 | 第44-45页 |
| ·国外的证券市场 | 第45-47页 |
| ·股票的概念与特性 | 第47-48页 |
| ·股票的概念 | 第47页 |
| ·股票的特性 | 第47-48页 |
| ·股票的益处 | 第48页 |
| ·证券预测理论 | 第48-56页 |
| ·证券价格预测的技术理论 | 第48-51页 |
| ·证券投资理论 | 第51-53页 |
| ·影响股票价格的因素 | 第53-56页 |
| ·股票的技术分析和理论分析 | 第56-57页 |
| ·技术分析 | 第56-57页 |
| ·基本分析 | 第57页 |
| ·技术分析的操作原则 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于神经网络的证券预测及实证分析 | 第58-66页 |
| ·BP算法及其改进 | 第58-60页 |
| ·标准BP算法 | 第58-59页 |
| ·BP算法的改 | 第59-60页 |
| ·BP网络的设计 | 第60-61页 |
| ·BP网络结构的设计 | 第60页 |
| ·训练样本集的准备 | 第60-61页 |
| ·初始参数的选择 | 第61页 |
| ·预测模型及实证分析 | 第61-65页 |
| ·个股均价预测 | 第61-63页 |
| ·指数预测 | 第63-64页 |
| ·BP算法与传统算法应用于证券预测的实例比较 | 第64-65页 |
| ·四种预测算法的优劣对比 | 第65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
