遗传算法优化的BP神经网络在股市预测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·股票预测研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·基于BP神经网络预测存在的问题 | 第12-13页 |
| ·本文的研究思路 | 第13页 |
| ·主要研究内容和组织构成 | 第13-16页 |
| 第二章 股票分析基本理论 | 第16-23页 |
| ·股票价格预测存在的问题 | 第16-17页 |
| ·股市预测的理论基础 | 第17-18页 |
| ·股票价格预测方法的分析 | 第18-19页 |
| ·股市常规变量和技术指标 | 第19-22页 |
| ·股市常规变量 | 第19-20页 |
| ·股市常用技术指标 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 BP人工神经网络及遗传算法 | 第23-36页 |
| ·人工神经网络理论 | 第23-26页 |
| ·人工神经网络结构 | 第26-27页 |
| ·分层型神经网络结构 | 第26页 |
| ·互联型神经网络结构 | 第26-27页 |
| ·神经网络的学习方式 | 第27页 |
| ·BP神经网络 | 第27-32页 |
| ·BP神经网络定义 | 第27-28页 |
| ·BP神经网络计算步骤 | 第28-30页 |
| ·BP神经网络的优缺点 | 第30-32页 |
| ·遗传算法 | 第32-34页 |
| ·遗传算法组成部分 | 第32-33页 |
| ·遗传算法运算流程 | 第33-34页 |
| ·遗传算法的优点 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 GA-BP算法预测股票价格 | 第36-57页 |
| ·BP神经网络设计 | 第36-38页 |
| ·BP网络层数的确定 | 第36页 |
| ·输入层和输出层的设计 | 第36-37页 |
| ·确定隐藏层神经元数 | 第37-38页 |
| ·BP网络的Matlab实现 | 第38-49页 |
| ·实验样本数据的选取 | 第38-41页 |
| ·样本数据的归一化处理 | 第41-43页 |
| ·BP网络的创建 | 第43-44页 |
| ·初始化参数的设定 | 第44页 |
| ·隐藏层节点数的确定 | 第44-46页 |
| ·BP网络的训练和仿真 | 第46-47页 |
| ·实验结果 | 第47-49页 |
| ·遗传算法优化BP神经网络 | 第49-53页 |
| ·遗传算法优化BP神经网络算法实现 | 第49-51页 |
| ·样本数据的选取 | 第51-53页 |
| ·实验结果分析 | 第53-56页 |
| ·两种算法预测结果分析 | 第53-56页 |
| ·两种算法分析总结 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-60页 |
| ·工作总结 | 第57-58页 |
| ·工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的学术论文目录 | 第64页 |
