小波分析和神经网络在股指预测中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究背景 | 第7-8页 |
| ·研究的意义和目的 | 第8页 |
| ·中国股票市场的研究现状及存在问题 | 第8-14页 |
| ·基本面分析 | 第9-10页 |
| ·技术分析法 | 第10-12页 |
| ·目前股票市场预测中存在的问题 | 第12-13页 |
| ·人工神经网络在股市预测中的应用 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·研究方法和技术路线 | 第15-16页 |
| ·研究方法 | 第15页 |
| ·技术路线 | 第15-16页 |
| 第二章 小波分析基本理论 | 第16-28页 |
| ·小波理论的发展概述 | 第16-17页 |
| ·从傅立叶变换到小波变换 | 第17-20页 |
| ·傅立叶变换 | 第17-18页 |
| ·小波变换的由来和作用 | 第18-19页 |
| ·小波变换与傅立叶变换的比较 | 第19-20页 |
| ·多分辨率小波分析 | 第20-25页 |
| ·多分辨率的概念 | 第20-24页 |
| ·基于多分辨率小波的信号分解与重构 | 第24-25页 |
| ·小波变换用于信号降噪的原理 | 第25-28页 |
| ·噪声在小波分解下的特性 | 第26-28页 |
| 第三章 神经网络理论概述 | 第28-40页 |
| ·人工神经网络概念及研究简史 | 第28-30页 |
| ·人工神经网络概念 | 第28页 |
| ·人工神经网络研究简史 | 第28-30页 |
| ·神经元模型及神经网络分类 | 第30-33页 |
| ·神经元模型 | 第30-31页 |
| ·神经网络的分类 | 第31-33页 |
| ·反向传播神经网络 | 第33-36页 |
| ·BP网络模型与结构 | 第33-35页 |
| ·BP学习规则 | 第35-36页 |
| ·径向基函数神经网络 | 第36-40页 |
| ·径向基网络结构 | 第37-38页 |
| ·RBF网络的学习算法 | 第38页 |
| ·RBF与BP在股票预测中的比较 | 第38-40页 |
| 第四章 小波降噪在股指预测中的应用 | 第40-44页 |
| ·数据的归一化处理 | 第40页 |
| ·数据的小波降噪 | 第40-44页 |
| ·小波降噪的步骤和方法 | 第40-41页 |
| ·小波降噪结果 | 第41-44页 |
| 第五章 基于神经网络的股指预测 | 第44-51页 |
| ·基于BP神经网络的股指预测 | 第44-48页 |
| ·BP神经网络对深成指的预测 | 第45-47页 |
| ·BP神经网络对沪成指的预测 | 第47-48页 |
| ·BP神经网络预测的缺陷 | 第48页 |
| ·基于RBF神经网络的股指预测 | 第48-49页 |
| ·RBF神经网络对深成指的预测 | 第49页 |
| ·RBF神经网络对沪成指的预测 | 第49页 |
| ·BP网络与RBF网络预测结果比较分析 | 第49-51页 |
| 第六章 结论 | 第51-53页 |
| 附表 | 第53-61页 |
| 参考文献 | 第61-64页 |
| 发表论文和科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
