基于神经网络的股票价格预测
| 致谢 | 第1-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-15页 |
| §1.1 股票市场的产生及对其预测的意义 | 第10-11页 |
| §1.2 金融市场预测技术 | 第11-12页 |
| §1.3 神经预测方法 | 第12-13页 |
| §1.4 本文的研究目的与内容组织 | 第13-15页 |
| 第二章 神经预测的基本理论 | 第15-25页 |
| §2.1 股市分析预测的两种基本方法 | 第15-17页 |
| §2.2 神经网络的产生与发展 | 第17-18页 |
| §2.3 神经网络模型及其特性 | 第18-22页 |
| §2.3.1 神经网络的模型 | 第18-21页 |
| §2.3.2 神经网络的特性 | 第21-22页 |
| §2.4 基于神经网络的股市预测 | 第22-23页 |
| §2.4.1 神经预测理论 | 第22页 |
| §2.4.2 神经预测方法 | 第22-23页 |
| §2.5 确定型神经预测模型的特点及问题 | 第23-25页 |
| 第三章 神经网络应用中的数据预处理问题 | 第25-33页 |
| §3.1 预处理的重要性 | 第25-26页 |
| §3.2 预处理的方法 | 第26页 |
| §3.3 主成分分析法 | 第26-28页 |
| §3.4 相关主成分分析法 | 第28-29页 |
| §3.5 NEUSPF系统的原始数据 | 第29-33页 |
| §3.5.1 技术分析指标的计算 | 第30-31页 |
| §3.5.2 原始数据的归一处理 | 第31-33页 |
| 第四章 NEUSPF系统的网络结构及算法 | 第33-44页 |
| §4.1 引言 | 第33-34页 |
| §4.2 反向传播神经网络的结构及其能力 | 第34-36页 |
| §4.3 BP学习算法 | 第36-42页 |
| §4.3.1 基本BP算法 | 第36-39页 |
| §4.3.2 BP算法修改项1——动量项 | 第39-40页 |
| §4.3.3 BP算法修改项2——时间敏感性误差 | 第40-41页 |
| §4.3.4 BP算法修改项3——第三个参量ρ | 第41-42页 |
| §4.4 样本的选取——移动窗口模拟法 | 第42-44页 |
| 第五章 面向对象的NEUSPF系统实现 | 第44-53页 |
| §5.1 引言 | 第44页 |
| §5.2 需求分析 | 第44-45页 |
| §5.2.1 系统需求 | 第44-45页 |
| §5.2.2 开发工具 | 第45页 |
| §5.3 NEUSPF系统的结构及其功能 | 第45-47页 |
| §5.4 面向对象的设计和实现 | 第47-53页 |
| §5.4.1 NEUSPF系统中的类 | 第48-50页 |
| §5.4.2 面向对象的设计方法 | 第50页 |
| §5.4.3 NEUSPF系统中的面向对象特点 | 第50-53页 |
| 第六章 实验 | 第53-64页 |
| §6.1 性能评价标准 | 第53-54页 |
| §6.2 关于相关主成分分析法的实验 | 第54-56页 |
| §6.3 关于回溯时间的实验 | 第56-60页 |
| §6.4 关于神经网络模型的实验 | 第60-64页 |
| 第七章 结论与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69页 |
