| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景、目的及研究意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究目的及意义 | 第9-10页 |
| 1.2 国内外股价预测理论与方法研究综述 | 第10-12页 |
| 1.2.1 国外神经网络股价预测理论与方法研究现状 | 第10-11页 |
| 1.2.2 国内神经网络股价预测理论与方法研究现状 | 第11-12页 |
| 1.3 主要研究内容及创新点 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 主要创新点 | 第12-14页 |
| 第2章 BP 神经网络输入变量选择研究基础理论 | 第14-26页 |
| 2.1 BP 神经网络预测模型的基本原理 | 第14-21页 |
| 2.1.1 神经网络的特征 | 第14-17页 |
| 2.1.2 BP 神经网络模型 | 第17-21页 |
| 2.2 主成分分析法概述 | 第21-23页 |
| 2.2.1 主成分分析法的基本原理 | 第21-22页 |
| 2.2.2 主成分分析法的计算步骤 | 第22-23页 |
| 2.3 德尔菲法的简述 | 第23-25页 |
| 2.3.1 德尔菲法的基本特征 | 第23页 |
| 2.3.2 德尔菲法具体的实施步骤 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 BP 神经网络在股票价格预测中的应用 | 第26-32页 |
| 3.1 实验条件 | 第26-28页 |
| 3.2 仿真实验 | 第28-30页 |
| 3.2.1 实验的运行 | 第28-29页 |
| 3.2.2 实验结果 | 第29-30页 |
| 3.3 结果分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 BP 神经网络输入向量组的选择 | 第32-38页 |
| 4.1 基于主成分分析的输入向量组选择 | 第32-34页 |
| 4.1.1 主成分向量组的生成过程 | 第32-33页 |
| 4.1.2 主成分向量组选取结果 | 第33页 |
| 4.1.3 主成分向量组具有的特征 | 第33-34页 |
| 4.2 基于改进主成分分析的输入向量组选择 | 第34-37页 |
| 4.2.1 改进主成分向量组的生成过程 | 第34-36页 |
| 4.2.2 改进主成分向量组选取结果 | 第36-37页 |
| 4.2.3 改进主成分向量组具有的特征 | 第37页 |
| 4.3 本章小结 | 第37-38页 |
| 第5章 不同输入向量组的 BP 神经网络模型预测的比较 | 第38-50页 |
| 5.1 比较分析相异数目输入变量组 | 第38-43页 |
| 5.1.1 相同信息量下不同数目输入变量组的比较 | 第38-40页 |
| 5.1.2 不同信息量下不同数目输入变量组的比较 | 第40-43页 |
| 5.2 比较分析相同数目输入变量组 | 第43-48页 |
| 5.2.1 相同信息量下相同数目优劣信息结构输入变量组的比较 | 第43-45页 |
| 5.2.2 不同信息量下相同数目优质信息结构输入变量组的比较 | 第45-48页 |
| 5.3 结果分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 主要研究结论 | 第50-51页 |
| 6.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间科研及发表论文情况 | 第70页 |
