| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 导论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 国内外研究动态 | 第14-17页 |
| 1.3.1 关于混沌判别的研究动态与述评 | 第14-16页 |
| 1.3.2 关于混沌预测的研究现状与述评 | 第16-17页 |
| 1.4 研究思路和方法 | 第17-18页 |
| 1.5 技术路线 | 第18页 |
| 1.6 论文的创新之处 | 第18-19页 |
| 第二章 混沌性研究基础理论 | 第19-27页 |
| 2.1 混沌的定义 | 第19-20页 |
| 2.2 混沌的基本特征 | 第20页 |
| 2.3 混沌识别 | 第20-22页 |
| 2.3.1 相空间重构 | 第20-21页 |
| 2.3.2 混沌吸引子分形维的计算 | 第21-22页 |
| 2.3.3 Lyapunov 指数的计算 | 第22页 |
| 2.4 混沌预测 | 第22-26页 |
| 2.4.1 传统混沌预测方法介绍 | 第22-23页 |
| 2.4.2 基于神经网络的混沌预测方法介绍 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 豆粕期货市场混沌性研究的数据收集 | 第27-29页 |
| 3.1 数据选取 | 第27页 |
| 3.2 线性趋势的消除 | 第27-28页 |
| 3.3 标准化处理 | 第28-29页 |
| 第四章 基于相空间重构的豆粕期货市场混沌识别 | 第29-39页 |
| 4.1 数据统计性描述 | 第29-31页 |
| 4.2 相空间重构 | 第31-33页 |
| 4.3 豆粕期货价格序列的混沌识别 | 第33-35页 |
| 4.3.1 分形维的计算 | 第33-34页 |
| 4.3.2 最大 Lyapunov 指数的计算 | 第34-35页 |
| 4.4 豆粕期货价格序列的混沌成因分析 | 第35-37页 |
| 4.4.1 非线性特征存在原因 | 第36页 |
| 4.4.2 秩序与随机性同在的原因 | 第36-37页 |
| 4.4.3 短期可预测与长期不可预测同存的原因 | 第37页 |
| 4.5 本章小结 | 第37-39页 |
| 第五章 基于 RBF 神经网络的豆粕期货市场混沌预测 | 第39-45页 |
| 5.1 神经网络模型的选择 | 第39页 |
| 5.2 神经网络模型的应用原理 | 第39-41页 |
| 5.2.1 网络构建 | 第39-40页 |
| 5.2.2 网络训练 | 第40-41页 |
| 5.2.3 网络预测 | 第41页 |
| 5.3 豆粕期货价格序列的混沌预测 | 第41-44页 |
| 5.3.1 混沌—RBF 神经网络的构建 | 第41-42页 |
| 5.3.2 混沌—RBF 神经网络的训练 | 第42-43页 |
| 5.3.3 混沌—RBF 神经网络的预测 | 第43-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第六章 结论与启示 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 作者简介 | 第51页 |