数据挖掘技术在上证指数预测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| 第一节 研究背景 | 第10-11页 |
| 第二节 论文研究意义 | 第11-12页 |
| 第三节 国内外研究现状及文献综述 | 第12-13页 |
| 第四节 论文框架结构 | 第13-15页 |
| 第二章 数据挖掘 | 第15-23页 |
| 第一节 什么是数据挖掘 | 第15-18页 |
| 第二节 数据挖掘的功能 | 第18-19页 |
| 第三节 数据挖掘的功能特点及应用 | 第19-20页 |
| 一、数据挖掘的特点 | 第19-20页 |
| 二、挖掘技术的三大支柱 | 第20页 |
| 第四节 数据挖掘应用现状 | 第20-21页 |
| 第五节 数据挖掘中存在的问题 | 第21-23页 |
| 第三章 上证指数预测 | 第23-30页 |
| 第一节 上证指数 | 第23-26页 |
| 第二节 上证指数预测方法概述 | 第26-30页 |
| 一、传统股票预测方法 | 第26-28页 |
| 二、现代股票预测方法 | 第28-30页 |
| 第四章 数据挖掘理论模型介绍 | 第30-47页 |
| 第一节BP神经网络 | 第30-33页 |
| 一、神经网络简介 | 第30-31页 |
| 二、Sigmoid函数 | 第31页 |
| 三、建立模型 | 第31-33页 |
| 第二节 小波神经网络模型介绍 | 第33-39页 |
| 一、小波基函数 | 第33-35页 |
| 二、小波神经网络建立 | 第35-38页 |
| 三、训练过程 | 第38-39页 |
| 第三节 SVM模型介绍 | 第39-47页 |
| 一、VC维 | 第39页 |
| 二、SVM介绍 | 第39-41页 |
| 三、SVM回归分析 | 第41-44页 |
| 四、SVM计算工具 | 第44-47页 |
| 第五章 指标概述分类 | 第47-49页 |
| 第一节 昨日最低指数 | 第47页 |
| 第二节 昨日最高指数 | 第47页 |
| 第三节 昨日开盘指数 | 第47页 |
| 第四节 前日收盘指数 | 第47页 |
| 第五节 昨日成交量 | 第47-48页 |
| 第六节 昨日成交额 | 第48-49页 |
| 第六章 基于数据挖掘方法的实证分析 | 第49-58页 |
| 第一节 基于BP神经网络的实证分析 | 第49-51页 |
| 一、模型设计 | 第49页 |
| 二、实证结果 | 第49-50页 |
| 三、模型评估 | 第50-51页 |
| 第二节 基于小波神经网络模型实证分析 | 第51-54页 |
| 一、模型设计 | 第51-52页 |
| 二、实证结果 | 第52-53页 |
| 三、模型评估 | 第53-54页 |
| 第三节 基于SVM回归模型实证分析 | 第54-56页 |
| 一、模型设计 | 第54页 |
| 二、实证结果 | 第54-55页 |
| 三、模型评估 | 第55-56页 |
| 第四节 各种模型的比较研究 | 第56-58页 |
| 第七章 总结、展望建议及不足 | 第58-61页 |
| 第一节 总结 | 第58页 |
| 第二节 研究展望建议 | 第58-59页 |
| 第三节 研究不足 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-81页 |
| 致谢 | 第81页 |
