| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 我国股票市场的发展和国内外研究现状 | 第11-13页 |
| 1.3 道氏理论 | 第13-14页 |
| 1.4 股票技术分析与技术指标 | 第14-15页 |
| 1.5 现阶段股票的短期预测技术和方法 | 第15-17页 |
| 1.6 论文内容提要 | 第17-18页 |
| 1.7 论文组织结构 | 第18-20页 |
| 第二章 数据挖掘与神经网络 | 第20-27页 |
| 2.1 数据挖掘的发展 | 第20-21页 |
| 2.2 神经网络的发展和分类及在预测中的应用 | 第21-24页 |
| 2.3 BP 神经网络的基本结构 | 第24-25页 |
| 2.4 BP 神经网络在股票投资分析中的应用 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 用于股票分析的 BP 神经网络模型的建立 | 第27-45页 |
| 3.1 作为 BP 神经网络输入节点技术指标及数据处理 | 第27-29页 |
| 3.2 模型设计工具的选择 | 第29-30页 |
| 3.3 传统的 BP 神经网络的建立 | 第30-33页 |
| 3.4 本文 BP 网络函数的设计 | 第33-42页 |
| 3.4.1 输入层节点的设计 | 第33-39页 |
| 3.4.2 初始权值的设计 | 第39页 |
| 3.4.3 传递函数设计 | 第39-40页 |
| 3.4.4 训练函数设计 | 第40-41页 |
| 3.4.5 性能函数的设计 | 第41-42页 |
| 3.5 BP 神经网络模型的运行环境 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 数据模拟和结果分析 | 第45-62页 |
| 4.1 预测误差指标 | 第45页 |
| 4.2 数据模拟 | 第45-50页 |
| 4.3 预测结果及其分析 | 第50-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 5.1 BP 神经网络在短期预测中的实用性 | 第62页 |
| 5.2 BP 网络模型的缺点及改进 | 第62-63页 |
| 5.3 模型的拓展使用和展望 | 第63-64页 |
| 5.4 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |