基于小波神经网络和STAR的股指预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·选题背景与研究意义 | 第11-12页 |
| ·研究现状 | 第12-16页 |
| ·股指预测方法的国内外研究现状 | 第12-14页 |
| ·股市波动性研究现状 | 第14-15页 |
| ·小波理论及其应用 | 第15-16页 |
| ·研究内容和思路 | 第16-17页 |
| ·主要创新点和章节安排 | 第17-19页 |
| 第二章 中国股市波动性及影响因素研究 | 第19-25页 |
| ·中国股市基本特征 | 第19-20页 |
| ·理论模型 | 第20-21页 |
| ·实证分析 | 第21-23页 |
| ·选取数据 | 第21页 |
| ·建立模型分离星期效应 | 第21页 |
| ·检验ARCH 效应建立EGARCH 模型 | 第21-23页 |
| ·研究结论 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 WNN-STAR模型的原理 | 第25-53页 |
| ·STAR模型的基本理论 | 第25-31页 |
| ·STAR模型概述 | 第25-26页 |
| ·STAR模型的类型 | 第26-30页 |
| ·模型的检验和估计 | 第30-31页 |
| ·STAR模型股市研究应用 | 第31-37页 |
| ·STAR模型的应用方法 | 第31-33页 |
| ·中国股市实证分析 | 第33-37页 |
| ·小波神经网络的基本理论 | 第37-49页 |
| ·小波分析和小波变换 | 第37-41页 |
| ·常用小波函数及其性质 | 第41-43页 |
| ·神经网络基本理论 | 第43-47页 |
| ·神经网络训练规则 | 第47-49页 |
| ·小波神经网络股市研究应用 | 第49-51页 |
| ·小波神经网络基础 | 第49-50页 |
| ·小波神经网络应用 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于WNN-STAR的股指预测模型 | 第53-63页 |
| ·模型建立思路 | 第53页 |
| ·模型结构 | 第53-60页 |
| ·选择小波函数 | 第54-55页 |
| ·小波算法 | 第55-57页 |
| ·选择神经网络模型 | 第57-60页 |
| ·选择STAR模型 | 第60页 |
| ·数据预处理 | 第60-61页 |
| ·模型检验 | 第61-62页 |
| ·评价指标 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 实证分析 | 第63-77页 |
| ·数据的选取及处理 | 第63-64页 |
| ·小波分解 | 第64-65页 |
| ·尺度变换序列的建模与预测 | 第65-67页 |
| ·小波变换序列的建模与预测 | 第67-73页 |
| ·单位根检验 | 第67-68页 |
| ·确定延迟参数 | 第68-69页 |
| ·确定模型类型 | 第69-70页 |
| ·模型的估计 | 第70-73页 |
| ·小波重建与预测 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-80页 |
| 参考文献 | 第80-83页 |
| 附录 | 第83-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
