基于小波分析与神经网络的股票市场预测应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 综述 | 第7-14页 |
| ·引言 | 第7-8页 |
| ·股票预测的国内外发展状况 | 第8-10页 |
| ·小波分析理论在金融领域中的应用 | 第10-12页 |
| ·小波分析在股票价格行为分析中的应用 | 第10页 |
| ·小波神经网络预测法 | 第10-11页 |
| ·小波神经网络在时间序列预测中的应用 | 第11-12页 |
| ·本论文的主要工作 | 第12-14页 |
| 第2章 小波分析基础 | 第14-28页 |
| ·引言 | 第14-17页 |
| ·小波分析理论及发展现状 | 第14-15页 |
| ·小波分析与 Fourier分析比较 | 第15-16页 |
| ·小波分析的应用领域 | 第16-17页 |
| ·连续小波变换 | 第17-20页 |
| ·离散小波变换 | 第20-22页 |
| ·多分辨率分析与共轭滤波器组 | 第22-25页 |
| ·多分辨率分析 | 第22-23页 |
| ·二尺度方程与共轭滤波器组 | 第23-25页 |
| ·小波变换快速算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 神经网络基础 | 第28-53页 |
| ·神经网络模型 | 第28-30页 |
| ·用 BP神经网络进行股市预测的原理 | 第30-34页 |
| ·神经网络用于股市预测的一般步骤和网络结构 | 第30-33页 |
| ·神经网络预测方法设计 | 第33-34页 |
| ·基于 BP网络的股市预测模型的建立 | 第34-39页 |
| ·网络拓扑结构的设计 | 第34-35页 |
| ·前馈神经网络的激活函数选取 | 第35-36页 |
| ·样本数据的选取 | 第36-37页 |
| ·输入输出数据的预处理 | 第37-38页 |
| ·初始参数的选择 | 第38-39页 |
| ·网络训练的目标函数 | 第39页 |
| ·基于 BP网络的股市预测模型的仿真与预测 | 第39-51页 |
| ·选取原始数据 | 第39-40页 |
| ·建立预测模型 | 第40-42页 |
| ·仿真实验及结果分析 | 第42-46页 |
| ·BP神经网络预测模型的建模心得和实验结论 | 第46-51页 |
| ·对 BP网络泛化能力的讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 小波神经网络基础 | 第53-62页 |
| ·小波神经网络结构形式 | 第53-57页 |
| ·小波网络的学习过程 | 第57-59页 |
| ·小波函数的选择 | 第57-59页 |
| ·小波网络中隐层节点数的确定 | 第59页 |
| ·小波网络的参数调节算法 | 第59页 |
| ·小波神经网络与常规神经网络的比较 | 第59-60页 |
| ·小波神经网络目前存在的问题 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 小波神经网络在股价预测中的应用 | 第62-79页 |
| ·引言 | 第62-63页 |
| ·多分辨小波神经网络基础 | 第63-70页 |
| ·多分辨小波神经网络概述 | 第63-65页 |
| ·多分辨小波神经网络的信息论解释 | 第65-70页 |
| ·应用多分辨小波神经网络进行股市预测 | 第70-73页 |
| ·预测的基本问题 | 第70-71页 |
| ·多分辨小波网络预测模型 | 第71-72页 |
| ·学习算法 | 第72-73页 |
| ·实验结果分析 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 致谢 | 第85-86页 |
