| 第一章 绪论 | 第1-13页 |
| 1．1 研究背景 | 第6-7页 |
| 1．2 国内外研究综述 | 第7-12页 |
| 1．2．1 数据仓库应用研究综述 | 第7-9页 |
| 1．2．2 数据挖掘研究综述 | 第9-10页 |
| 1．2．3 预测方法综述 | 第10页 |
| 1．2．4 神经网络研究综述 | 第10-11页 |
| 1．2．5 股票分析预测方法综述 | 第11-12页 |
| 1．3 本文研究的主要内容 | 第12-13页 |
| 第二章 数据仓库和数据挖掘技术分析 | 第13-23页 |
| 2．1 引言 | 第13页 |
| 2．2 数据仓库技术 | 第13-18页 |
| 2．2．1 数据仓库的定义 | 第13页 |
| 2．2．2 数据仓库相关概念 | 第13-14页 |
| 2．2．3 数据仓库体系结构 | 第14-15页 |
| 2．2．4 数据仓库的数据组织结构 | 第15-17页 |
| 2．2．5 数据仓库的实现策略 | 第17-18页 |
| 2．3 数据挖掘技术 | 第18-21页 |
| 2．3．1 数据挖掘相关技术 | 第19-20页 |
| 2．3．2 数据挖掘过程 | 第20-21页 |
| 2．4 基于数据仓库的数据挖掘 | 第21页 |
| 2．5 本章小结 | 第21-23页 |
| 第三章 股票交易数据的数据仓库建立 | 第23-38页 |
| 3．1 引言 | 第23页 |
| 3．2 需求分析 | 第23-25页 |
| 3．3 主题选取 | 第25-26页 |
| 3．4 逻辑结构设计 | 第26-28页 |
| 3．4．1 分析主题域 | 第26页 |
| 3．4．2 粒度层次划分和数据分割 | 第26-27页 |
| 3．4．3 数据之间关系的表示 | 第27-28页 |
| 3．5 物理模型设计 | 第28-29页 |
| 3．6 数据仓库的实现 | 第29-37页 |
| 3．6．1 数据仓库的体系结构 | 第29页 |
| 3．6．2 数据获取 | 第29-30页 |
| 3．6．3 数据装入 | 第30-32页 |
| 3．6．4 技术指标计算 | 第32-33页 |
| 3．6．5 功能实现 | 第33-36页 |
| 3．6．6 数据存储形式的进一步讨论 | 第36-37页 |
| 3．7 本章小结 | 第37-38页 |
| 第四章 基于神经网络的股票交易数据预测的研究 | 第38-54页 |
| 4．1 引言 | 第38-39页 |
| 4．2 多层前向神经网络的结构与反向传播算法 | 第39-42页 |
| 4．3 基于BP网络的股票交易数据预测 | 第42-53页 |
| 4．3．1 时序预测BP网络的一般结构 | 第42-43页 |
| 4．3．2 基于BP网络的时序预测模型的建立 | 第43-45页 |
| 4．3．3 预测方法设计 | 第45-46页 |
| 4．3．4 基于BP网络的股票交易预测 | 第46-51页 |
| 4．3．4．1 原始样本的选取 | 第46页 |
| 4．3．4．2 利用五日移动平均进行训练和预测 | 第46-48页 |
| 4．3．4．3 对基于BP网络的股票交易预测的改进 | 第48-51页 |
| 4．3．5 对BP网络泛化能力的讨论 | 第51-52页 |
| 4．3．5．1 对BP网络泛化能力的一般讨论 | 第51-52页 |
| 4．3．5．2 分段处理的股票交易预测 | 第52页 |
| 4．3．6 BP网络的缺点 | 第52-53页 |
| 4．4 本章小结 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |