| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 现实背景 | 第12页 |
| 1.1.2 理论背景 | 第12-13页 |
| 1.1.3 研究意义 | 第13-15页 |
| 1.2 相关文献综述 | 第15-19页 |
| 1.2.1 汇率预测方法 | 第15-18页 |
| 1.2.2 金融时间序列除噪方法 | 第18-19页 |
| 1.3 研究思路及主要内容 | 第19-21页 |
| 第2章 相关研究基础与理论分析 | 第21-37页 |
| 2.1 小波分析理论及应用研究 | 第21-25页 |
| 2.1.1 小波分析的原理和特点分析 | 第21-22页 |
| 2.1.2 小波除噪的原理分析 | 第22-23页 |
| 2.1.3 小波除噪的参数选择 | 第23-25页 |
| 2.2 人工神经网络原理和应用 | 第25-34页 |
| 2.2.1 神经网络的基本要素 | 第25-30页 |
| 2.2.2 神经网络的分类 | 第30-31页 |
| 2.2.3 BP 算法及其分析 | 第31-34页 |
| 2.3 组合模型及其优势分析 | 第34-37页 |
| 2.3.1 组合模型概念 | 第34-36页 |
| 2.3.2 组合模型的优势 | 第36-37页 |
| 第3章 汇率组合预测模型的构建和参数选择 | 第37-49页 |
| 3.1 汇率组合预测模型框架的提出 | 第37-39页 |
| 3.2 除噪小波函数的选择 | 第39-46页 |
| 3.2.1 小波函数特性分析 | 第39-45页 |
| 3.2.2 汇率数据的除噪要求 | 第45-46页 |
| 3.3 预测模型神经网络的设计 | 第46-49页 |
| 3.3.1 初始参数设定 | 第46-47页 |
| 3.3.2 隐含层数的选择 | 第47页 |
| 3.3.3 隐含层神经元的确定 | 第47-48页 |
| 3.3.4 激活函数的选择 | 第48-49页 |
| 第4章 汇率预测组合模型实证研究与结果分析 | 第49-60页 |
| 4.1 数据样本处理及模型参数确定 | 第49页 |
| 4.2 用WDANN 模型预测汇率 | 第49-54页 |
| 4.2.1 汇率数据的小波除噪 | 第49-53页 |
| 4.2.2 除噪后的汇率预测结果 | 第53-54页 |
| 4.3 不同小波阈值的模型预测结果比较 | 第54-58页 |
| 4.3.1 小波阈值比较分析 | 第54-56页 |
| 4.3.2 不同小波阈值的除噪效果比较 | 第56-58页 |
| 4.4 不同小波分解层数模型预测结果比较 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69-70页 |
| 附录B WDANN 模型实现程序(基于 MATLAB) | 第70-72页 |