基于BP神经网络的股价预测应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·选题背景和意义 | 第12-13页 |
| ·文献综述 | 第13-17页 |
| ·国外研究现状 | 第13-16页 |
| ·国内研究现状 | 第16-17页 |
| ·研究方法和文章结构 | 第17-18页 |
| ·本文的创新之处 | 第18-19页 |
| 第2章 神经网络与股价预测 | 第19-33页 |
| ·神经网络基本原理 | 第19-21页 |
| ·神经网络概述 | 第19页 |
| ·神经元模型 | 第19-21页 |
| ·神经网络的特点 | 第21页 |
| ·人工神经元的学习算法 | 第21-23页 |
| ·BP算法及其优化措施 | 第23-30页 |
| ·BP网络结构 | 第23页 |
| ·BP算法理论 | 第23-27页 |
| ·BP网络的局限性 | 第27-28页 |
| ·BP算法的优化措施 | 第28-30页 |
| ·神经网络用于股价预测的可行性分析 | 第30-33页 |
| 第3章 神经网络股价预测模型设计 | 第33-36页 |
| ·神经网络股价预测模型结构设计 | 第33页 |
| ·神经网络股价预测模型初始参数设计 | 第33-35页 |
| ·应用神经网络预测的一般步骤 | 第35-36页 |
| 第4章 实证分析 | 第36-51页 |
| ·数据选择 | 第36-38页 |
| ·数据来源 | 第36页 |
| ·本文选取的指标 | 第36-38页 |
| ·数据预处理 | 第38-42页 |
| ·输入变量优化组合 | 第38-42页 |
| ·数据的归一化 | 第42页 |
| ·训练过程及模型确定 | 第42-46页 |
| ·隐节点数的确定 | 第43-44页 |
| ·动量因子的确定 | 第44-45页 |
| ·学习率的确定 | 第45-46页 |
| ·实证结果分析 | 第46-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
