首页--经济论文--财政、金融论文--金融、银行论文--中国金融、银行论文--金融市场论文

基于GARCH与BP-ANN的股价预测能力比较研究

摘要第6-7页
Abstract第7页
第1章 绪论第10-14页
    1.1 问题的提出第10-12页
    1.2 研究的意义及目的第12-13页
    1.3 本文研究的方法及框架第13-14页
第2章 金融时间序列与人工智能的历史与发展第14-28页
    2.1 金融时间序列分析第14-19页
        2.1.1 自回归滑动平均模型(ARMA模型)第14-16页
        2.1.2 向量自回归模型(VAR模型)第16页
        2.1.3 自回归条件异方差模型(ARCH模型)第16-17页
        2.1.4 广义自回归条件异方差模型(GARCH模型)第17-18页
        2.1.5 GARCH模型族第18-19页
    2.2 人工智能算法第19-26页
        2.2.1 人工神经网络算法(ANN)第19-25页
        2.2.2 遗传算法(GA)第25-26页
        2.2.3 支撑向量机(SVM)第26页
    2.3 金融时间序列与人工智能的理论对比分析第26-28页
第3章 GARCH与BP-ANN对股价预测的应用第28-50页
    3.1 对股票指数的预测第28-40页
        3.1.1 样本数据的选取第28-29页
        3.1.2 GARCH模型预测股指第29-33页
        3.1.3 BP-ANN预测股指第33-40页
    3.2 对个股价格的预测第40-50页
        3.2.1 样本数据的选取第40页
        3.2.2 GARCH模型预测个股价格第40-44页
        3.2.3 BP-ANN预测个股价格第44-50页
第4章 GARCH与BP-ANN预测能力的比较分析第50-54页
    4.1 GARCH与BP-ANN预测能力的比较第50-51页
    4.2 随机游走和VARIANCE RATIO TEST第51-54页
        4.2.1 对股票指数的VRT结果第52页
        4.2.2 对股票价格的VRT结果第52-54页
结论第54-58页
致谢第58-59页
参考文献第59-61页

论文共61页,点击 下载论文
上一篇:基于成本视角的M公司供应链管理优化研究
下一篇:固体酸催化纤维素水解制备葡萄糖的工艺研究及糖液食用安全性评价