摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-12页 |
·研究背景 | 第9页 |
·研究现状 | 第9-10页 |
·汇率预测研究及现状 | 第9-10页 |
·外汇交易研究现状 | 第10页 |
·研究的意义 | 第10页 |
·研究内容及思路 | 第10-12页 |
第二章 基于ARIMA-GARCH 模型的汇率预测 | 第12-20页 |
·基本概念 | 第12-13页 |
·ARIMA 模型 | 第13-17页 |
·模型简介 | 第13页 |
·ARIMA 模型建立流程图 | 第13-14页 |
·平稳性检验 | 第14-15页 |
·模型识别 | 第15页 |
·模型定阶 | 第15-16页 |
·参数估计 | 第16-17页 |
·诊断与检验 | 第17页 |
·GARCH 模型 | 第17-19页 |
·GARCH 模型的引入 | 第17-18页 |
·GARCH 模型定义 | 第18页 |
·GARCH 效应检查 | 第18页 |
·GARCH 模型参数估计 | 第18-19页 |
·GARCH 模型检验 | 第19页 |
·ARIMA-GARCH 汇率数据模型 | 第19页 |
·本章小结 | 第19-20页 |
第三章 基于人工神经网络模型的汇率预测 | 第20-30页 |
·神经网络的结构 | 第20页 |
·神经网络的特点 | 第20-21页 |
·人工神经网络的学习方式 | 第21-22页 |
·神经网络模型选取 | 第22页 |
·数据预处理及算法 | 第22页 |
·BP 神经网络模型 | 第22-25页 |
·BP 神经网络结构 | 第23页 |
·BP 神经网络学习过程(规则) | 第23-24页 |
·BP 神经网络学习算法选择 | 第24-25页 |
·RBF 神经网络模型 | 第25-28页 |
·RBF 网络结构 | 第26-27页 |
·径向基函数的学习 | 第27-28页 |
·径向基网络的训练 | 第28页 |
·基于神经网络的汇率预测模型 | 第28页 |
·本章小结 | 第28-30页 |
第四章 基于相空间重构SVM 的汇率预测 | 第30-41页 |
·SVM 预测 | 第30-37页 |
·基本概念 | 第30-32页 |
·SVM 回归算法 | 第32-35页 |
·SVM 核函数的选择 | 第35-36页 |
·SVM 回归工作过程 | 第36-37页 |
·相空间重构 | 第37-39页 |
·相空间重构方法选择 | 第37-38页 |
·基于C-C 方法的汇率时间序列相空间重构 | 第38-39页 |
·SVM 回归汇率预测模型建立过程 | 第39-40页 |
·本章小结 | 第40-41页 |
第五章 各种模型实证分析 | 第41-52页 |
·数据选取 | 第41页 |
·ARIMA-GARCH 模型处理过程 | 第41-44页 |
·平稳性检验 | 第41-42页 |
·模型识别及定阶 | 第42-43页 |
·模型检验及拟合 | 第43-44页 |
·GARCH 效应检查 | 第44页 |
·预测及评价 | 第44页 |
·神经网络模型处理过程 | 第44-47页 |
·BP 神经网络处理 | 第44-46页 |
·RBF 神经网络处理 | 第46-47页 |
·预测结果比较 | 第47页 |
·基于相空间重构的SVM 回归模型处理过程 | 第47-50页 |
·相空间重构 | 第47-49页 |
·建立SVM 预测模型并进行预测 | 第49页 |
·预测结果比较 | 第49-50页 |
·各种模型性能比对 | 第50-51页 |
·性能比较标准 | 第50页 |
·各种模型性能比较 | 第50-51页 |
·本章小结 | 第51-52页 |
第六章 利用神经网络改善外汇交易系统 | 第52-56页 |
·外汇交易系统简介 | 第52页 |
·基于神经网络的外汇交易 | 第52-54页 |
·传统的外汇交易 | 第52页 |
·神经网络与智能交易 | 第52-53页 |
·基于神经网络的智能交易策略 | 第53-54页 |
·实证分析 | 第54-55页 |
·数据来源 | 第54页 |
·性能分析 | 第54-55页 |
·本章小结 | 第55-56页 |
第七章 总结与展望 | 第56-57页 |
·总结 | 第56页 |
·展望 | 第56-57页 |
致谢 | 第57-58页 |
参考文献 | 第58-62页 |
附录: 作者在攻读硕士学位期间发表的论文 | 第62页 |