| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 金融市场混沌性识别和非线性预测模型构建研究现状 | 第11-13页 |
| 1.2.2 金融产品价格时间序列分类研究现状 | 第13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 基于混沌理论的黄金市场混沌性识别 | 第17-29页 |
| 2.1 金融混沌的概念及特征 | 第17-19页 |
| 2.2 黄金市场混沌识别 | 第19-25页 |
| 2.2.1 黄金价格时间序列的非线性检验 | 第19-20页 |
| 2.2.2 相空间理论 | 第20-24页 |
| 2.2.3 黄金市场的确定性检验 | 第24-25页 |
| 2.3 实证分析 | 第25-27页 |
| 2.4 本章总结 | 第27-29页 |
| 第三章 基于递归图的黄金价格时间序列特征表示 | 第29-35页 |
| 3.1 递归图 | 第29-31页 |
| 3.1.1 递归图的背景意义 | 第29页 |
| 3.1.2 递归图的基本原理 | 第29-31页 |
| 3.2 基于递归图的特征表示 | 第31-33页 |
| 3.3 黄金价格时间序列的定量递归分析 | 第33-34页 |
| 3.4 本章总结 | 第34-35页 |
| 第四章 基于人工神经网络的黄金价格时间序列预测 | 第35-49页 |
| 4.1 BP神经网络 | 第35-39页 |
| 4.1.1 BP神经网络结构 | 第35-36页 |
| 4.1.2 BP神经网络算法原理 | 第36-39页 |
| 4.2 Elman神经网络 | 第39-43页 |
| 4.2.1 Elman神经网络算法原理 | 第39-41页 |
| 4.2.2 Elman神经网络预测流程 | 第41-42页 |
| 4.2.3 Elman神经网络设计 | 第42-43页 |
| 4.3 实验结果分析 | 第43-48页 |
| 4.4 本章总结 | 第48-49页 |
| 第五章 面向递归压缩的黄金价格风险分类 | 第49-57页 |
| 5.1 时间序列分类算法原理 | 第49-53页 |
| 5.1.1 DTW算法原理 | 第50页 |
| 5.1.2 递归压缩距离RPCD算法原理 | 第50-53页 |
| 5.2 DTW和RPCD实验结果 | 第53-56页 |
| 5.2.1 UCR数据集实验结果 | 第53-55页 |
| 5.2.2 RPCD风险分类结果 | 第55-56页 |
| 5.3 本章总结 | 第56-57页 |
| 第六章 论文总结展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读博士/硕士学位期间取得的科研成果 | 第67页 |