BP-RBF组合神经网络在股票预测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究的背景和意义 | 第9-10页 |
| ·股票预测的理论前提 | 第10-11页 |
| ·股票分析预测方法介绍 | 第11-13页 |
| ·证券投资分析法 | 第11-12页 |
| ·时间序列法 | 第12页 |
| ·非线性预测方法 | 第12-13页 |
| ·组合预测方法 | 第13页 |
| ·神经网络在股票预测方面国内外研究现状 | 第13-16页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·论文的研究出发点及章节安排 | 第16-17页 |
| ·论文的研究出发点 | 第16-17页 |
| ·论文的章节安排 | 第17页 |
| ·本章小结 | 第17-18页 |
| 2 神经网络及其相关理论 | 第18-29页 |
| ·神经网络模型介绍 | 第18-22页 |
| ·人工神经元模型 | 第18-19页 |
| ·神经网络常用的激活函数 | 第19页 |
| ·人工神经网络的发展 | 第19-20页 |
| ·神经网络的特性 | 第20-21页 |
| ·神经网络分类 | 第21-22页 |
| ·BP神经网络介绍 | 第22-25页 |
| ·多层网络结构 | 第22-23页 |
| ·传递函数 | 第23页 |
| ·误差函数 | 第23页 |
| ·BP学习算法 | 第23-25页 |
| ·BP算法的步骤 | 第25页 |
| ·RBF神经网络介绍 | 第25-28页 |
| ·RBF神经网络结构 | 第25-26页 |
| ·RBF神经网络的映射关系 | 第26-27页 |
| ·RBF网络的学习算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 单神经网络模型预测实验 | 第29-37页 |
| ·预测前输入样本的预处理 | 第29-30页 |
| ·基于移动窗口法的价格预测 | 第29页 |
| ·数据的选取 | 第29-30页 |
| ·数据的预处理 | 第30页 |
| ·BP神经网络在股票预测中的应用分析 | 第30-33页 |
| ·BP神经神经网络模型设计 | 第30-32页 |
| ·BP神经网络预测结果分析 | 第32-33页 |
| ·RBF神经网络在股票预测中的应用分析 | 第33-36页 |
| ·RBF神经网络模型设计 | 第33-35页 |
| ·RBF神经网络预测结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 组合神经网络模型预测分析 | 第37-48页 |
| ·组合预测的基本思想 | 第37页 |
| ·组合模型的赋权方法 | 第37-40页 |
| ·不变权值的赋权方法 | 第38-39页 |
| ·时变权重的组合预测模型 | 第39-40页 |
| ·本文的组合神经网络模型 | 第40-42页 |
| ·基于BP-RBF的主从神经网络模型 | 第40-41页 |
| ·基于拟合误差平方赋权的组合神经网络模型 | 第41-42页 |
| ·基于BP-RBF主从复合神经网络模型应用分析 | 第42-44页 |
| ·组合神经网络的结构设计 | 第42页 |
| ·从神经网络训练 | 第42-44页 |
| ·预测结果分析 | 第44页 |
| ·基于拟合误差组合神经网络的实例分析 | 第44-45页 |
| ·组合模型与单神经网络预测结果的比较分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 总结及进一步工作 | 第48-50页 |
| ·总结 | 第48页 |
| ·进一步工作 | 第48-50页 |
| 附录 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 后记 | 第56页 |
