| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 研究难点和解决思路 | 第15-16页 |
| 1.3.1 研究难点 | 第15-16页 |
| 1.3.2 主要解决思路 | 第16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 现有股票投资预测模型 | 第18-27页 |
| 2.1 股票投资分析方法 | 第18-22页 |
| 2.1.1 基本分析法介绍 | 第18-20页 |
| 2.1.2 技术分析法介绍 | 第20-22页 |
| 2.2 神经网络在股票预测模型中的应用 | 第22-24页 |
| 2.3 股票预测的主要研究方向 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 MLP 神经网络及其优化算法 | 第27-35页 |
| 3.1 MLP 神经网络的介绍 | 第27-29页 |
| 3.1.1 MLP 神经网络的优点 | 第28-29页 |
| 3.1.2 MLP 神经网络的缺点 | 第29页 |
| 3.2 遗传算法（GA） | 第29-31页 |
| 3.2.1 遗传算法的优点 | 第30-31页 |
| 3.2.2 遗传算法的缺点 | 第31页 |
| 3.3 特征选择 | 第31-33页 |
| 3.4 局部泛化误差模型 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 LG-trader 模型的构建 | 第35-49页 |
| 4.1 LG-trader 模型概述 | 第35-36页 |
| 4.2 基于 wL-GEM 的 MLP 神经网络 | 第36-42页 |
| 4.2.1 公式推导 | 第36-39页 |
| 4.2.2 wL-GEM 与泛化能力 | 第39-42页 |
| 4.3 阶段一：特征选择 | 第42-46页 |
| 4.4 阶段二：结构选择 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 实验结果与分析 | 第49-58页 |
| 5.1 LG-trader 在个股交易中的应用 | 第49-55页 |
| 5.1.1 LG-trader 与 IPLR 模型的效果比较 | 第51-55页 |
| 5.1.2 LG-trader 与基于 TPP 策略的效果比较 | 第55页 |
| 5.2 LG-trader 在指数交易中的应用 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58-59页 |
| 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |