| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 证券市场预测研究综述 | 第12-18页 |
| 1.2.1 证券市场预测模型综述 | 第13-15页 |
| 1.2.2 特征提取在证券预测中的应用综述 | 第15-16页 |
| 1.2.3 量价关系综述 | 第16-17页 |
| 1.2.4 总体评价 | 第17-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 创新点 | 第18-20页 |
| 第2章 神经网络和小波分析理论基础 | 第20-28页 |
| 2.1 小波分析 | 第20-23页 |
| 2.1.1 小波分析的概况 | 第20页 |
| 2.1.2 小波去噪方法简介 | 第20-22页 |
| 2.1.3 小波阈值去噪模型 | 第22页 |
| 2.1.4 小波分析在证券市场的应用 | 第22-23页 |
| 2.2 神经网络理论基础 | 第23-27页 |
| 2.2.1 BP网络简介 | 第23-24页 |
| 2.2.2 BP神经网络结构 | 第24页 |
| 2.2.3 BP网络学习算法 | 第24-25页 |
| 2.2.4 BP神经网络的优势与缺陷 | 第25-27页 |
| 2.3 小结 | 第27-28页 |
| 第3章 BP网络预测模型构建与数据准备 | 第28-40页 |
| 3.1 收益率预测模型构建 | 第28-30页 |
| 3.1.1 证券市场预测的一般架构 | 第28-29页 |
| 3.1.2 预测框架构建 | 第29-30页 |
| 3.2 BP神经网络设计 | 第30-33页 |
| 3.2.1 BP神经网络参数设计 | 第30-32页 |
| 3.2.2 评价指标的选取 | 第32-33页 |
| 3.3 数据准备 | 第33-34页 |
| 3.3.1 样本收集 | 第33页 |
| 3.3.2 数据预处理 | 第33-34页 |
| 3.4 小波分析和去噪 | 第34-39页 |
| 3.4.1 去噪效果评价指标 | 第34-35页 |
| 3.4.2 小波分析 | 第35-37页 |
| 3.4.3 小波去噪 | 第37-39页 |
| 3.5 小结 | 第39-40页 |
| 第4章 交易量在短期预测中的作用研究 | 第40-50页 |
| 4.1 以原始收盘价为输入的收益率预测（预测模型一） | 第40-43页 |
| 4.1.1 预测过程的实现 | 第40-41页 |
| 4.1.2 预测结果分析 | 第41-43页 |
| 4.2 使用去噪后价格预测收益率（预测模型二） | 第43-46页 |
| 4.2.1 预测过程的实现 | 第43-44页 |
| 4.2.2 预测结果分析 | 第44-46页 |
| 4.3 使用去噪后交易量和收盘价预测收益率（预测模型三） | 第46-49页 |
| 4.3.1 交易量与收益率关系及问题的提出 | 第46页 |
| 4.3.2 基于收盘价和交易量去噪数据的收益率预测分析 | 第46-49页 |
| 4.4 小结 | 第49-50页 |
| 第5章 基于特征提取和小波分析的收益率预测 | 第50-59页 |
| 5.1 变量描述 | 第50-54页 |
| 5.1.1 收益率特征 | 第50-51页 |
| 5.1.2 收盘价特征 | 第51-52页 |
| 5.1.3 交易量特征 | 第52-54页 |
| 5.2 基于特征提取和小波分析的收益率预测（预测模型四） | 第54-57页 |
| 5.2.1 预测过程的实现 | 第54-55页 |
| 5.2.2 预测结果分析 | 第55-57页 |
| 5.3 结果综合对比分析 | 第57-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 主要结论 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-67页 |
| 致谢 | 第67页 |
