| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-12页 |
| ·论文的主要研究内容 | 第12-13页 |
| 2 股票预测的理论和方法 | 第13-22页 |
| ·股票相关理论概述 | 第13-16页 |
| ·影响股票价格的因素 | 第13-14页 |
| ·股票价格预测中存在的问题 | 第14-15页 |
| ·股价预测的基础 | 第15-16页 |
| ·股价预测的方法 | 第16-20页 |
| ·基本分析法 | 第16-17页 |
| ·技术分析法 | 第17页 |
| ·现代股票预测方法 | 第17-20页 |
| ·股市中常用的技术指标和术语 | 第20-22页 |
| 3 BP 神经网络 | 第22-33页 |
| ·神经网络概述 | 第22-27页 |
| ·神经网络模型 | 第23-27页 |
| ·BP 神经网络 | 第27-33页 |
| ·BP 神经网络模型 | 第27-28页 |
| ·BP 算法 | 第28-31页 |
| ·BP 神经网络的优缺点 | 第31-33页 |
| 4 基于遗传算法优化的 BP 神经网络 | 第33-39页 |
| ·遗传算法 | 第33-36页 |
| ·遗传算法基本要素 | 第33-35页 |
| ·遗传算法流程 | 第35页 |
| ·遗传算法的特点 | 第35-36页 |
| ·遗传算法对 BP 神经网络的优化 | 第36-39页 |
| 5 基于遗传算法优化的 BP 神经网络的股价预测 | 第39-53页 |
| ·实验样本数据的选取与处理 | 第39-41页 |
| ·BP 神经网络的设计 | 第41-44页 |
| ·网络层数的设计 | 第41页 |
| ·各层神经元数目的确定 | 第41-43页 |
| ·初始化参数的选取 | 第43-44页 |
| ·遗传算法参数的选取 | 第44-46页 |
| ·基于遗传算法的 BP 神经网络股价预测的 AForge.NET 框架的实现 | 第46-50页 |
| ·AForge.NET 框架简介 | 第46页 |
| ·预测模型的建立 | 第46页 |
| ·BP 网络的 AForge.NET 实现 | 第46-48页 |
| ·遗传算法优化的 BP 神经网络的实现 | 第48-50页 |
| ·实验结果分析 | 第50-53页 |
| 6 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录 四川长虹股票数据 | 第58-63页 |
| 致谢 | 第63-64页 |
| 作者在攻读硕士期间发表的论文 | 第64-65页 |