摘要 | 第1-8页 |
ABSTRACT | 第8-10页 |
第1章 绪论 | 第10-22页 |
·研究背景 | 第10-13页 |
·基于线性研究范式的主流资本市场理论及争议 | 第10-12页 |
·股票市场的非线性研究 | 第12-13页 |
·股票市场非线性研究的发展现状 | 第13-19页 |
·分形市场假说(Fractal Market Hypothesis,FMH) | 第13-14页 |
·混沌理论在股票市场研究的应用 | 第14-17页 |
·股票市场的非线性预测 | 第17-19页 |
·中国股票市场非线性分析与预测研究中存在的问题以及论文的主要工作 | 第19-20页 |
·论文结构 | 第20-22页 |
第2章 中国股票市场的非线性特征 | 第22-34页 |
·中国股票市场发展概况 | 第22-24页 |
·中国股票市场存在的问题 | 第24-27页 |
·中国股票市场的非线性特征 | 第27-33页 |
·对线性范式的怀疑和检验 | 第27-29页 |
·分形市场的特征 | 第29-31页 |
·中国股票市场的混沌特征 | 第31-33页 |
·本章小结 | 第33-34页 |
第3章 混沌理论在金融时间序列中的应用 | 第34-46页 |
·混沌基本理论 | 第34-38页 |
·混沌理论的产生和发展 | 第34-37页 |
·混沌的概念 | 第37-38页 |
·混沌理论在金融时间序列中的应用研究 | 第38-40页 |
·金融时间序列的混沌识别 | 第40-44页 |
·时间序列的混沌识别方法 | 第40-43页 |
·时间序列的混沌识别方法的评论 | 第43-44页 |
·本章小结 | 第44-46页 |
第4章 中国股票市场的混沌识别 | 第46-66页 |
·Lyapunov指数基本理论 | 第46-52页 |
·Lyapunov指数的定义 | 第46-48页 |
·Lyapunov指数的主要算法 | 第48-52页 |
·Gencay-Dechert法识别混沌 | 第52-59页 |
·Gencay-Dechert算法的产生与发展 | 第52-54页 |
·Gencay-Dechert算法基本原理 | 第54-59页 |
·深证综合指数的混沌识别 | 第59-61页 |
·上证指数的混沌识别 | 第61-63页 |
·结论与分析 | 第63-64页 |
·本章小结 | 第64-66页 |
第5章 股票价格的非线性预测 | 第66-79页 |
·股票价格预测概述 | 第66-71页 |
·股票价格的可预测性 | 第66-67页 |
·预测股票价格的主要方法 | 第67-71页 |
·神经网络对股票市场进行预测 | 第71-73页 |
·神经网络预测股票价格的应用研究 | 第73-78页 |
·BP神经网络 | 第73-75页 |
·径向基神经网络 | 第75-76页 |
·小波神经网络 | 第76-77页 |
·概率神经网络对股票价格的涨跌进行预测 | 第77-78页 |
·本章小结 | 第78-79页 |
第6章 概率神经网络原理与实现 | 第79-88页 |
·贝叶斯决策与概率密度函数的Parzen窗估计 | 第79-82页 |
·贝叶斯决策理论 | 第79-81页 |
·类条件概率密度的Parzen窗估计 | 第81-82页 |
·概率神经网络原理 | 第82-83页 |
·概率神经网络的实现 | 第83-85页 |
·应用概率神经网络进行预测 | 第85-87页 |
·本章小结 | 第87-88页 |
第7章 应用概率神经网络预测中国股票市场 | 第88-123页 |
·深圳证券交易所的股票价格预测 | 第88-98页 |
·上海证券交易所的股票价格预测 | 第98-118页 |
·上证综合指数的预测 | 第98-108页 |
·上证180指数的预测 | 第108-118页 |
·结果与讨论 | 第118-121页 |
·预测结果 | 第118-119页 |
·主要结论与分析 | 第119-121页 |
·本章小结 | 第121-123页 |
第8章 结语 | 第123-127页 |
·论文的主要创新 | 第123-124页 |
·论文的主要结论 | 第124-125页 |
·论文的不足 | 第125-127页 |
参考文献 | 第127-133页 |
附录 (一) 图目录 | 第133-134页 |
附录 (二) 表目录 | 第134-135页 |
附录 (三) 主要字符代表含义总结 | 第135-136页 |
附录 (四) 作者在攻读博士学位期间发表的论文 | 第136-137页 |
致谢 | 第137-138页 |