| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·人工神经网络 | 第8-10页 |
| ·神经网络的发展 | 第8-9页 |
| ·贝叶斯神经网络的预测领域的应用 | 第9-10页 |
| ·股票预测的发展 | 第10-12页 |
| ·股票市场综述 | 第10-11页 |
| ·常用技术指标及计算公式 | 第11-12页 |
| ·股市预测常用方法 | 第12页 |
| ·股市预测存在的问题 | 第12页 |
| ·本文主要研究工作 | 第12-15页 |
| 第二章 基于混沌理论的贝叶斯网络在股市中期预测中的应用 | 第15-37页 |
| ·引言 | 第15页 |
| ·上证综指收盘价序列的相空间重构 | 第15-20页 |
| ·样本选取 | 第15页 |
| ·相空间重构 | 第15-16页 |
| ·上证综指最佳时滞τ的确定 | 第16-18页 |
| ·上证综指最佳嵌入维数m 的确定 | 第18-20页 |
| ·上证综指混沌效应的证明 | 第20-23页 |
| ·混沌效应的判别标准 | 第20-21页 |
| ·基于G-P 算法计算上证综指分形维 | 第21-22页 |
| ·上证综指的最大李雅普诺夫指数的计算 | 第22-23页 |
| ·样本数据结构的设计 | 第23-25页 |
| ·贝叶斯神经网络 | 第25-29页 |
| ·贝叶斯方法 | 第25-26页 |
| ·贝叶斯神经网络的结构 | 第26-29页 |
| ·神经网络泛化能力研究 | 第29页 |
| ·网络结构的设计 | 第29-31页 |
| ·整体框架 | 第29-30页 |
| ·隐含层节点数的确定 | 第30-31页 |
| ·仿真与预测 | 第31-33页 |
| ·结果分析与预测评价 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 贝叶斯神经网络在股市短期预测中的应用 | 第37-49页 |
| ·基于贝叶斯神经网络短期预测的流程 | 第37页 |
| ·神经网络参数设计 | 第37-38页 |
| ·网络参数的选择 | 第37-38页 |
| ·输入量的选择 | 第38页 |
| ·数据的归一化 | 第38页 |
| ·贝叶斯神经网络预测股市模型 | 第38-44页 |
| ·样本的选择 | 第39页 |
| ·隐含层节点数的选取 | 第39-40页 |
| ·仿真与预测 | 第40-42页 |
| ·结果分析 | 第42-44页 |
| ·并联结构神经网络预测模型 | 第44-48页 |
| ·网络结构模型 | 第44页 |
| ·并联结构网络参数的设计 | 第44-45页 |
| ·仿真与预测 | 第45-47页 |
| ·结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 黑马股的捕捉 | 第49-55页 |
| ·黑马股的特点 | 第49-50页 |
| ·启动前的特点 | 第49页 |
| ·技术指标上的特点 | 第49-50页 |
| ·捕捉黑马股的网络模型 | 第50-53页 |
| ·黑马特征的抽象与提取 | 第50-51页 |
| ·样本的选择 | 第51页 |
| ·训练与仿真 | 第51-53页 |
| ·结果评价 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |