| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8页 |
| 1.2 股指期货概念及发展历程 | 第8-12页 |
| 1.2.1 股指期货的含义 | 第8-9页 |
| 1.2.2 股票指数期货的发展历程 | 第9-10页 |
| 1.2.3 股指期货的特点 | 第10-12页 |
| 1.2.4 股指期货的主要作用 | 第12页 |
| 1.2.5 股指期货与股票 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 本文研究目的与研究结构 | 第14-16页 |
| 1.4.1 研究目的 | 第14-15页 |
| 1.4.2 研究结构 | 第15-16页 |
| 2 数据的预处理技术 | 第16-19页 |
| 2.1 数据清洗 | 第16-17页 |
| 2.1.1 数据处理 | 第16-17页 |
| 2.1.2 噪声去除 | 第17页 |
| 2.2 数据集成 | 第17页 |
| 2.3 数据归约 | 第17-18页 |
| 2.4 数据变换 | 第18-19页 |
| 3 数据分析工具和技术 | 第19-30页 |
| 3.1 R语言 | 第19-20页 |
| 3.2 基于小波变换的信号分解与重构 | 第20-24页 |
| 3.2.1 小波理论的发展概述 | 第20-21页 |
| 3.2.2 小波变换的由来和作用 | 第21-22页 |
| 3.2.3 多分辨率小波分析 | 第22页 |
| 3.2.4 基于多分辨率小波的信号分解和重构 | 第22-24页 |
| 3.2.5 用小波变换进行信号降噪原理 | 第24页 |
| 3.3 神经网络理论概述 | 第24-30页 |
| 3.3.1 人工神经网络概念及简史 | 第24-26页 |
| 3.3.2 神经元模型 | 第26-27页 |
| 3.3.3 神经网络分类 | 第27-28页 |
| 3.3.4 神经网络在期货市场中的应用 | 第28-30页 |
| 4 股指期货实证分析 | 第30-41页 |
| 4.1 小波降噪在实证中的应用 | 第30-33页 |
| 4.1.1 小波降噪的步骤和方法 | 第30-31页 |
| 4.1.2 小波降噪结果 | 第31-33页 |
| 4.2 随机森林选取变量 | 第33-36页 |
| 4.2.1 数据的归一化处理 | 第33-34页 |
| 4.2.2 模型变量的设定 | 第34页 |
| 4.2.3 随机森林的发展和概念 | 第34-35页 |
| 4.2.4 随机森林选取变量 | 第35-36页 |
| 4.3 神经网络 | 第36-41页 |
| 4.3.1 神经网络函数的介绍 | 第36-37页 |
| 4.3.2 BP神经网络对沪深300股指期货的预测 | 第37-40页 |
| 4.3.3 BP神经网络与前馈神经网络对比分析 | 第40-41页 |
| 5 结论 | 第41-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 附录 | 第46-51页 |