| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景和意义 | 第6页 |
| 1.2 股票指数预测综述 | 第6-9页 |
| 1.3 研究目标 | 第9-11页 |
| 第二章 人工神经网络模型 | 第11-18页 |
| 2.1 人工神经网络模型 | 第11-12页 |
| 2.2 人工神经网络模型的结构 | 第12-13页 |
| 2.3 BP神经网络 | 第13-15页 |
| 2.4 BP神经网络的两大过程 | 第15-18页 |
| 2.4.1 正向传递子过程 | 第15页 |
| 2.4.2 反向传递子过程 | 第15-18页 |
| 第三章 股票数据的基本统计分析 | 第18-23页 |
| 3.1 数据和图形的预处理 | 第18-19页 |
| 3.2 数据分析模型的拟合预测 | 第19-23页 |
| 3.2.1 回归分析 | 第20-21页 |
| 3.2.2 时间序列模型 | 第21-23页 |
| 第四章 金融时间序列的BP网络模型 | 第23-31页 |
| 4.1 万能逼近定理和BP模型 | 第23页 |
| 4.2 BP网络的训练函数 | 第23-27页 |
| 4.2.1 Gradient Descent算法 | 第23-24页 |
| 4.2.2 牛顿算法 | 第24-25页 |
| 4.2.3 Levenberg–Marquardt算法 | 第25-26页 |
| 4.2.4 Conjugate Gradients算法 | 第26-27页 |
| 4.3 模型的建立和结果分析 | 第27-31页 |
| 4.3.1 输入层四节点的BP网络 | 第27-29页 |
| 4.3.2 输入层八节点的BP网络 | 第29-31页 |
| 第五章 结论与展望 | 第31-33页 |
| 参考文献 | 第33-36页 |
| 致谢 | 第36页 |