| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容与结构安排 | 第10-11页 |
| 第二章 股票预测方法介绍 | 第11-14页 |
| 2.1 股票预测面临的问题 | 第11页 |
| 2.2 股票预测的基本方法 | 第11-13页 |
| 2.2.1 证券投资分析方法 | 第11-12页 |
| 2.2.2 时间序列分析方法 | 第12页 |
| 2.2.3 神经网络预测方法 | 第12页 |
| 2.2.4 组合预测方法 | 第12页 |
| 2.2.5 预测方法的比较 | 第12-13页 |
| 2.3 本章小结 | 第13-14页 |
| 第三章 中国股票市场均值回复统计推断及实证研究 | 第14-27页 |
| 3.1 均值回复概述 | 第14-15页 |
| 3.2 均值回复的计量模型 | 第15-17页 |
| 3.3 几种常见均值回复的检验方法 | 第17-20页 |
| 3.3.1 自相关检验 | 第17页 |
| 3.3.2 协整理论 | 第17-20页 |
| 3.4 样本数据及实证检验 | 第20-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 SARIMA-BP组合模型在股价预测中的应用 | 第27-48页 |
| 4.1 股价预测的时间序列模型方法 | 第27-38页 |
| 4.1.1 时序数据预处理 | 第27-29页 |
| 4.1.2 ARMA模型 | 第29-32页 |
| 4.1.3 SARIMA模型 | 第32-34页 |
| 4.1.4 仿真实验与结果分析 | 第34-38页 |
| 4.2 BP神经网络方法 | 第38-45页 |
| 4.2.1 BP神经网络模型 | 第38页 |
| 4.2.2 BP算法 | 第38-41页 |
| 4.2.3 BP算法的优化措施 | 第41页 |
| 4.2.4 基于BP神经网络的股市预测模型 | 第41-43页 |
| 4.2.5 仿真实验与结果分析 | 第43-45页 |
| 4.3 组合预测方法 | 第45-47页 |
| 4.3.1 加权组合模型 | 第45页 |
| 4.3.2 SARIMA-BP组合模型 | 第45-46页 |
| 4.3.3 仿真实验与结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |