首页--经济论文--经济计划与管理论文--经济计算、经济数学方法论文--经济数学方法论文

基于计算智能的外汇交易系统的研究与开发

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

论文共62页,点击 下载论文
上一篇:风电场风速预测模型研究和实现
下一篇:长三角区域经济发展对环境质量影响的实证分析