| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 股价预测国外研究现状 | 第12-13页 |
| 1.2.2 股价预测国内研究现状 | 第13-14页 |
| 1.3 本论文研究内容及章节安排 | 第14-16页 |
| 1.3.1 本论文研究内容 | 第14-15页 |
| 1.3.2 本论文章节安排 | 第15-16页 |
| 第2章 股价预测相关理论与方法 | 第16-24页 |
| 2.1 股票价格的影响因素 | 第16页 |
| 2.1.1 主观因素 | 第16页 |
| 2.1.2 客观因素 | 第16页 |
| 2.2 股价预测的相关指标 | 第16-17页 |
| 2.3 股价预测常用的基本方法 | 第17-19页 |
| 2.3.1 基本分析法 | 第17页 |
| 2.3.2 技术分析法 | 第17-18页 |
| 2.3.3 时间序列分析法 | 第18页 |
| 2.3.4 人工智能算法 | 第18-19页 |
| 2.4 回声状态网络介绍 | 第19-23页 |
| 2.4.1 ESN原理 | 第19-20页 |
| 2.4.2 ESN关键参数 | 第20-21页 |
| 2.4.3 ESN预测算法的流程 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于KMeans-ESN的短期股价预测通用模型 | 第24-45页 |
| 3.1 引言 | 第24-25页 |
| 3.2 基于 ESN的短期股价预测通用模型 | 第25-31页 |
| 3.2.1 本文假设条件 | 第25页 |
| 3.2.2 基于ESN上海房地产行业通用模型建立 | 第25-27页 |
| 3.2.3 实验结果及分析 | 第27-31页 |
| 3.3 基于KMeans-ESN的预测模型介绍 | 第31-33页 |
| 3.3.1 KMeans简介 | 第31-32页 |
| 3.3.2 模型基本思想 | 第32页 |
| 3.3.3 聚类指标及KMeans相关参数 | 第32-33页 |
| 3.4 基于波动性聚类的KMeans-ESN预测模型 | 第33-37页 |
| 3.4.1 聚类指标选取 | 第33页 |
| 3.4.2 实验结果及分析 | 第33-37页 |
| 3.5 基于波动性及变化趋势聚类的KMeans-ESN预测模型 | 第37-43页 |
| 3.5.1 聚类指标选取 | 第37-38页 |
| 3.5.2 实验结果及分析 | 第38-43页 |
| 3.6 实验结果及分析 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 基于GSA的ESN模型优化 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 GSA-ESN模型 | 第45-51页 |
| 4.2.1 GSA介绍 | 第45-49页 |
| 4.2.2 GSA-ESN模型原理及适应值函数介绍 | 第49-51页 |
| 4.3 基于GSA的单值收缩因子和谱半径优化 | 第51-56页 |
| 4.3.1 单值收缩因子和谱半径优化 | 第51页 |
| 4.3.2 实验结果及分析 | 第51-56页 |
| 4.4 基于GSA的按维多值收缩因子和谱半径优化 | 第56-61页 |
| 4.4.1 按维多值收缩因子和谱半径优化 | 第56页 |
| 4.4.2 实验结果及分析 | 第56-61页 |
| 4.5 实验结果及分析 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 结论 | 第63-64页 |
| 进一步工作 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
