基于GA的ANN股价指数预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 导论 | 第10-18页 |
| ·选题的目的和意义 | 第10-11页 |
| ·选题的目的 | 第10页 |
| ·选题的意义 | 第10-11页 |
| ·国内外相关研究综述 | 第11-15页 |
| ·国外相关研究综述 | 第11-13页 |
| ·国内相关研究综述 | 第13-15页 |
| ·研究内容和研究方法 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16页 |
| ·技术路线 | 第16-18页 |
| 第2章 股价指数预测的现状与问题 | 第18-22页 |
| ·股价指数预测的现状 | 第18-19页 |
| ·股价指数预测存在的问题 | 第19-22页 |
| ·传统预测方法的局限性 | 第19-20页 |
| ·基于ANN的股价指数预测模型的不足 | 第20-22页 |
| 第3章 ANN和GA基本理论 | 第22-27页 |
| ·ANN基本理论 | 第22-23页 |
| ·人工神经元模型 | 第22页 |
| ·BP网络的基本结构 | 第22-23页 |
| ·BP网络的设计 | 第23-25页 |
| ·BP网络的生成及初始化 | 第23-24页 |
| ·BP网络的学习规则 | 第24页 |
| ·BP神经网络的训练和预测 | 第24-25页 |
| ·GA基本理论 | 第25-26页 |
| ·GA算法的原理 | 第25页 |
| ·遗传算法基本参数设计 | 第25-26页 |
| ·基于GA的ANN股价指数预测框架 | 第26-27页 |
| 第4章 股价指数预测分析 | 第27-30页 |
| ·股价指数预测的难点 | 第27-28页 |
| ·股价指数 | 第27页 |
| ·股价指数变动的主要影响因素 | 第27-28页 |
| ·股价指数预测的困难 | 第28页 |
| ·遗传算法与BP神经网络相结合 | 第28-30页 |
| 第5章 基于GA的ANN股价指数预测模型构建 | 第30-45页 |
| ·BP神经网络结构 | 第30-31页 |
| ·信息的表达方式 | 第30页 |
| ·网络输入层和输出层设计 | 第30-31页 |
| ·隐层神经元个数的确定 | 第31页 |
| ·算法工具以及样本来源 | 第31页 |
| ·BP网络对样本的学习 | 第31-32页 |
| ·BP网络的传递函数 | 第31-32页 |
| ·BP网络的学习误差 | 第32页 |
| ·GA算法优化BP网络 | 第32-34页 |
| ·遗传算法基本参数 | 第32-33页 |
| ·遗传算法优化BP网络的权值 | 第33-34页 |
| ·建立预测模型 | 第34-45页 |
| ·训练样本构造 | 第34-35页 |
| ·BP网络的初次训练 | 第35-38页 |
| ·BP神经网络的优化 | 第38-42页 |
| ·优化后的BP神经网络训练 | 第42-45页 |
| 第6章 沪深300指数预测 | 第45-48页 |
| ·沪深300指数 | 第45页 |
| ·沪深300指数的组成 | 第45页 |
| ·沪深300指数的市场代表性 | 第45页 |
| ·基于GA的ANN沪深300指数预测 | 第45-48页 |
| ·预测样本构成 | 第46页 |
| ·沪深300指数预测 | 第46-47页 |
| ·结果分析 | 第47-48页 |
| 第7章 结论与展望 | 第48-50页 |
| ·结论 | 第48-49页 |
| ·研究展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 在校期间发表的论文和参与的课题 | 第55-56页 |
| 附录 | 第56-66页 |
