基于上证指数的股票价格研究及预测
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究综述 | 第9-10页 |
| 1.3 论文的内容与结构 | 第10页 |
| 1.4 本文的创新点 | 第10-11页 |
| 第二章 股票研究概述 | 第11-13页 |
| 2.1 股票基本理论 | 第11-12页 |
| 2.1.1 股票性质 | 第11页 |
| 2.1.2 股票价格基本理论 | 第11页 |
| 2.1.3 影响股价变动的因素 | 第11-12页 |
| 2.2 股票投资分析方法 | 第12-13页 |
| 2.2.1 基本分析方法 | 第12页 |
| 2.2.2 技术分析方法 | 第12页 |
| 2.2.3 股票市场预测方法 | 第12-13页 |
| 第三章 利用技术指标建立多元回归模型 | 第13-23页 |
| 3.1 回归分析原理 | 第13页 |
| 3.2 灰色关联分析原理 | 第13-14页 |
| 3.2.1 确定参考序列和比较序列 | 第13页 |
| 3.2.2 无量纲化处理 | 第13-14页 |
| 3.2.3 计算灰色关联系数 | 第14页 |
| 3.2.4 计算灰色关联度 | 第14页 |
| 3.3 技术指标的意义及计算方法 | 第14-16页 |
| 3.4 基于技术指标建立主成分回归模型 | 第16-19页 |
| 3.4.1 数据来源 | 第16页 |
| 3.4.2 建立主成分回归模型 | 第16-19页 |
| 3.5 基于灰色关联分析的回归模型建立 | 第19-23页 |
| 3.5.1 基于灰色关联分析选取自变量 | 第19-20页 |
| 3.5.2 建立主成分回归模型 | 第20-22页 |
| 3.5.3 模型比较 | 第22-23页 |
| 第四章 神经网络模型 | 第23-34页 |
| 4.1 BP神经网络 | 第23-30页 |
| 4.1.1 BP神经网络概述 | 第23页 |
| 4.1.2 神经元的结构模型 | 第23-24页 |
| 4.1.3 BP算法过程 | 第24-26页 |
| 4.1.4 BP神经网络模型建立 | 第26-30页 |
| 4.2 径向基神经网络 | 第30-34页 |
| 4.2.1 RBF神经网络概述 | 第30页 |
| 4.2.2 RBF神经网络算法 | 第30-31页 |
| 4.2.3 RBF神经网络模型构建 | 第31-34页 |
| 第五章 结论与展望 | 第34-36页 |
| 5.1 主要结论 | 第34-35页 |
| 5.2 进一步展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 附件 | 第38-40页 |
| 致谢 | 第40-41页 |
