小波神经网络在股票预测中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 股价预测的理论依据 | 第12-13页 |
| 1.3 股价预测发展状况 | 第13-15页 |
| 1.4 本文的主要内容和结构安排 | 第15-17页 |
| 1.4.1 本文的主要内容 | 第15页 |
| 1.4.2 本文的内容安排 | 第15-17页 |
| 第二章 理论基础 | 第17-37页 |
| 2.1 小波分析 | 第17-27页 |
| 2.1.1 小波分析的概况 | 第17-19页 |
| 2.1.1.1 小波分析的提出 | 第17页 |
| 2.1.1.2 小波分析的发展 | 第17-18页 |
| 2.1.1.3 小波分析在股市的应用 | 第18-19页 |
| 2.1.2 连续小波变换 | 第19-20页 |
| 2.1.3 离散小波变换 | 第20-22页 |
| 2.1.3.1 离散小波的基本概念 | 第20-21页 |
| 2.1.3.2 小波框架 | 第21-22页 |
| 2.1.4 二进小波变换 | 第22页 |
| 2.1.5 多分辨率分析 | 第22-23页 |
| 2.1.6 Mallat算法 | 第23-25页 |
| 2.1.7 常用的几种小波 | 第25-27页 |
| 2.2 神经网络 | 第27-32页 |
| 2.2.1 神经网络在预测领域的应用发展 | 第27-28页 |
| 2.2.2 神经元模型 | 第28-30页 |
| 2.2.3 BP神经网络模型 | 第30-32页 |
| 2.2.3.1 BP神经网络结构 | 第30页 |
| 2.2.3.2 BP算法 | 第30-32页 |
| 2.3 遗传算法 | 第32-36页 |
| 2.3.1 遗传算法的简介 | 第32页 |
| 2.3.2 遗传算法的设计 | 第32-36页 |
| 2.3.4 遗传算法的优点 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 小波神经网络与算法研究 | 第37-51页 |
| 3.1 小波神经网络的概况 | 第37-39页 |
| 3.1.1 小波神经网络产生的原因 | 第37页 |
| 3.1.2 小波神经网络提出与发展 | 第37-39页 |
| 3.2 小波神经网络的结合方式 | 第39-42页 |
| 3.3 小波神经网络和其他网络的比较 | 第42-44页 |
| 3.3.1 逼近性质 | 第42-43页 |
| 3.3.2 网络结构 | 第43页 |
| 3.3.3 网络参数 | 第43-44页 |
| 3.4 小波神经网络的拓扑结构 | 第44-45页 |
| 3.4.1 隐含层的设计 | 第44-45页 |
| 3.4.1.1 隐含层数的选择 | 第44页 |
| 3.4.1.2 隐含层的节点的确定 | 第44-45页 |
| 3.4.2 传递函数的选择 | 第45页 |
| 3.5 小波神经网络的学习算法 | 第45-50页 |
| 3.5.1 基于BP算法的小波神经网络 | 第46-48页 |
| 3.5.2 基于遗传算法的小波神经网络 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 小波神经网络的股票预测模型 | 第51-55页 |
| 4.1 股票数据的选取 | 第51页 |
| 4.2 数据的预处理 | 第51-52页 |
| 4.3 训练样本的构造 | 第52页 |
| 4.4 小波神经网络结构的设计 | 第52-53页 |
| 4.4.1 输入和输出量的选取 | 第52-53页 |
| 4.4.2 隐含层层数及节点数的选取 | 第53页 |
| 4.5 网络性能评价指标 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 实验及结果分析 | 第55-69页 |
| 5.1 仿真实验 | 第55-65页 |
| 5.2 结果分析和实验心得 | 第65-67页 |
| 5.3 本章小结 | 第67-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 本文总结 | 第69页 |
| 6.2 今后展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 攻读硕士学位期间取得的成果 | 第77页 |
