| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第1章 绪论 | 第14-38页 |
| ·研究背景及研究意义 | 第14-17页 |
| ·研究背景 | 第14-16页 |
| ·研究目的和意义 | 第16-17页 |
| ·国内外研究现状综述 | 第17-33页 |
| ·股票价格时间序列预测的统计学方法研究现状 | 第18-21页 |
| ·股票价格时间序列预测的计算智能方法研究现状 | 第21-29页 |
| ·股票价格时间序列预测的组合方法研究现状 | 第29-32页 |
| ·现有研究评述 | 第32-33页 |
| ·研究内容及论文结构 | 第33-35页 |
| ·研究方法及技术路线 | 第35-38页 |
| ·研究方法 | 第35-36页 |
| ·技术路线 | 第36-38页 |
| 第2章 股票价格时间序列预测理论 | 第38-59页 |
| ·马尔可夫过程 | 第38-39页 |
| ·隐马尔可夫模型 | 第39-50页 |
| ·离散隐马尔可夫模型 | 第39-47页 |
| ·连续隐马尔可夫模型 | 第47-50页 |
| ·HMM 在时间序列预测中的应用 | 第50-52页 |
| ·HMM 在股票价格时间序列预测中的应用 | 第50-51页 |
| ·HMM 在股票价格时间序列预测中的局限性 | 第51-52页 |
| ·计算智能方法 | 第52-58页 |
| ·人工神经网络（ANN） | 第52-54页 |
| ·模糊逻辑（FL） | 第54-57页 |
| ·进化算法（EA） | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第3章 基于HMM 的多元数据聚类分析 | 第59-69页 |
| ·聚类分析 | 第59页 |
| ·用HMM 聚类数据集 | 第59-66页 |
| ·用HMM 产生对数似然值 | 第60-62页 |
| ·确定数据集的分类数目 | 第62-65页 |
| ·标记并聚类数据 | 第65-66页 |
| ·实证研究及结果 | 第66-68页 |
| ·样本数据集的选择 | 第66-67页 |
| ·实证研究结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第4章 基于HMM 的股票价格时间序列预测 | 第69-86页 |
| ·股票价格时间序列预测 | 第69-70页 |
| ·用HMM 对股票价格时间序列进行预测 | 第70-73页 |
| ·建立并训练HMM | 第70-71页 |
| ·找出相似的数据模式 | 第71-73页 |
| ·计算预测值 | 第73页 |
| ·融合GA，ANN 和HMM 的混合模型 | 第73-81页 |
| ·对HMM 的优化 | 第74-80页 |
| ·加权平均预测 | 第80-81页 |
| ·实证研究及结果 | 第81-85页 |
| ·用HiMMI 预测股票价格时间序列 | 第81-82页 |
| ·用混合模型预测股票价格时间序列 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第5章 基于HMM 并融入FUZZY 的股票价格时间序列预测 | 第86-110页 |
| ·模糊规则 | 第86-93页 |
| ·模糊推理 | 第89-92页 |
| ·数据驱动模糊模型 | 第92-93页 |
| ·HMM-FUZZY 模型 | 第93-104页 |
| ·用HMM 产生对数似然值 | 第94-95页 |
| ·分组相似时间序列数据 | 第95-96页 |
| ·模糊模型 | 第96-102页 |
| ·优化提取的模糊规则 | 第102-104页 |
| ·实证研究及结果 | 第104-109页 |
| ·时间序列预测 | 第104-107页 |
| ·股票价格时间序列预测 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 第6章 基于HMM-FUZZY 并融入EA 的时间序列预测 | 第110-118页 |
| ·融入EA 的HMM-FUZZY 模型 | 第110-115页 |
| ·划分训练数据集 | 第111-113页 |
| ·生成模糊规则 | 第113页 |
| ·调整参数 | 第113页 |
| ·多目标EA 应用于HMM-Fuzzy 模型 | 第113-115页 |
| ·实证研究及结果 | 第115-116页 |
| ·本章小结 | 第116-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-129页 |
| 攻读博士学位期间发表的学术论文 | 第129-131页 |
| 致谢 | 第131-132页 |
| 个人简历 | 第132页 |