基于GARCH模型和BP神经网络预测股票价格
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题研究的目的和意义 | 第11-21页 |
| 1.1.1 股票的产生及发展 | 第11-12页 |
| 1.1.2 股票投资的优缺点及其特征 | 第12-14页 |
| 1.1.3 股票价格预测的常用方法 | 第14-21页 |
| 1.2 课题的国内外研究现状 | 第21-23页 |
| 1.2.1 国外研究现状 | 第21-22页 |
| 1.2.2 国内研究现状 | 第22-23页 |
| 1.3 本文研究内容和文章框架 | 第23-25页 |
| 1.3.1 研究内容 | 第23页 |
| 1.3.2 写作框架 | 第23-25页 |
| 第二章 GARCH模型和BP神经网络 | 第25-34页 |
| 2.1 GARCH模型简介 | 第25-26页 |
| 2.1.1 ARCH(P)模型 | 第25页 |
| 2.1.2 GARCH(p,q)模型 | 第25-26页 |
| 2.2 BP神经网络简介 | 第26-34页 |
| 2.2.1 神经网络的特征 | 第26-28页 |
| 2.2.2 BP神经网络 | 第28页 |
| 2.2.3 BP神经网络算法 | 第28-32页 |
| 2.2.4 BP神经网络存在的问题 | 第32-34页 |
| 第三章 实证分析 | 第34-46页 |
| 3.1 GARCH模型实证分析 | 第34-42页 |
| 3.1.1 描述性统计分析 | 第34-36页 |
| 3.1.2 收益率序列的平稳性检验 | 第36-37页 |
| 3.1.3 收益率序列的ACF图和偏ACF图 | 第37-38页 |
| 3.1.4 ARCH效应的检验 | 第38-39页 |
| 3.1.5 GARCH模型的估计 | 第39-40页 |
| 3.1.6 GARCH模型的标准化残差分析 | 第40-42页 |
| 3.2 BP神经网络实证分析 | 第42-46页 |
| 3.2.1 实验数据的选定及选取 | 第42页 |
| 3.2.2 模型相关参数的选取 | 第42-43页 |
| 3.2.3 R语言实现BP神经网络预测 | 第43-46页 |
| 第四章 总结与展望 | 第46-47页 |
| 4.1 研究总结 | 第46页 |
| 4.2 研究展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-51页 |
