基于ANN方法的股票预测模型
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 国内外文献综述 | 第8-9页 |
| 1.3 主要研究内容 | 第9-11页 |
| 2 股票预测基本理论 | 第11-14页 |
| 2.1 股票基本知识 | 第11-12页 |
| 2.1.1 影响股票价格的因素 | 第11页 |
| 2.1.2 股票价格预测的基础 | 第11-12页 |
| 2.2 股票的评价指标 | 第12页 |
| 2.3 股票价格预测的方法 | 第12-14页 |
| 2.3.1 基本分析方法 | 第13页 |
| 2.3.2 技术分析方法 | 第13-14页 |
| 3 BP 神经网络 | 第14-20页 |
| 3.1 BP 神经网络模型 | 第14-16页 |
| 3.1.1 算法的正向传递过程 | 第14-15页 |
| 3.1.2 BP 学习算法 | 第15-16页 |
| 3.2 BP 神经网络的设计 | 第16-17页 |
| 3.2.1 初始权值 | 第16页 |
| 3.2.2 隐层数 | 第16页 |
| 3.2.3 隐层节点数 | 第16-17页 |
| 3.2.4 学习率 | 第17页 |
| 3.3 BP 神经网络流程图 | 第17-18页 |
| 3.4 BP 神经网络的优点和不足 | 第18-20页 |
| 4 基于遗传算法的 BP 神经网络 | 第20-24页 |
| 4.1 遗传算法 | 第20-22页 |
| 4.1.1 遗传算法原理 | 第20-21页 |
| 4.1.2 遗传算法步骤 | 第21页 |
| 4.1.3 遗传算法的特点 | 第21-22页 |
| 4.2 遗传算法优化神经网络 | 第22-24页 |
| 5 实证分析 | 第24-36页 |
| 5.1 网络设计 | 第24-25页 |
| 5.1.1 输入和输出变量 | 第24页 |
| 5.1.2 样本数据预处理 | 第24页 |
| 5.1.3 BP 神经网络结构设计 | 第24-25页 |
| 5.2 长安股票实例 | 第25-32页 |
| 5.2.1 BP 模型结果 | 第25-29页 |
| 5.2.2 GA-BP 模型结果 | 第29-32页 |
| 5.3 结果分析 | 第32-36页 |
| 6 结论与展望 | 第36-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-40页 |
