| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与问题提出 | 第10-12页 |
| 1.1.1 研究背景与意义 | 第10页 |
| 1.1.2 国内外股指时间序列研究回顾 | 第10-12页 |
| 1.2 研究思路与主要结构 | 第12-16页 |
| 1.2.1 研究内容 | 第12-13页 |
| 1.2.2 研究方法 | 第13-14页 |
| 1.2.3 本文的创新 | 第14页 |
| 1.2.4 本文的研究内容和论文结构 | 第14-16页 |
| 第二章 股指预测及其模型 | 第16-32页 |
| 2.1 股票市场的基本指标与主要的预测方法 | 第16-18页 |
| 2.2 相关的股指预测基本模型 | 第18-25页 |
| 2.2.1 ARIMA模型研究 | 第18-19页 |
| 2.2.2 神经网络 | 第19-23页 |
| 2.2.3 支持向量机 | 第23-25页 |
| 2.3 小波分析理论 | 第25-30页 |
| 2.4 混合模型的构建 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 单一模型的股指预测研究与实证分析 | 第32-44页 |
| 3.1 数据选取与描述 | 第32-33页 |
| 3.2 预测效果评价指标的选取 | 第33页 |
| 3.3 ARIMA模型预测实证研究 | 第33-37页 |
| 3.4 极限学习机模型股指预测研究 | 第37-40页 |
| 3.5 支持向量机 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 混合模型的股指预测研究与实证分析 | 第44-54页 |
| 4.1 小波多分辨分析 | 第44-46页 |
| 4.2 基于小波分解的ARIMA+ELM混合模型预测 | 第46-49页 |
| 4.3 基于小波分解的ARIMA+ELM混合模型的扩展研究 | 第49-52页 |
| 4.4 不同模型预测效果的比较与分析 | 第52-53页 |
| 4.5 本章小节 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |