| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 选题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-15页 |
| 1.2.1 国外研究现状 | 第9-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 本文的研究内容及框架结构 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 写作框架 | 第15-16页 |
| 1.4 本文的研究方法及研究意义 | 第16-18页 |
| 1.4.1 研究方法 | 第16页 |
| 1.4.2 研究意义 | 第16-18页 |
| 第2章 股价波动区间预测的相关理论基础和问题分析 | 第18-21页 |
| 2.1 股票价格波动的原因分析以及股市预测的基本假设 | 第18-20页 |
| 2.1.1 股票价格波动的原因分析 | 第18-19页 |
| 2.1.2 股市预测的基本假设 | 第19-20页 |
| 2.2 股票价格数据的特点 | 第20-21页 |
| 第3章 神经网络预测模型的基本原理介绍 | 第21-33页 |
| 3.1 人工神经网络的定义和发展过程 | 第21-22页 |
| 3.2 神经网络基本原理 | 第22-25页 |
| 3.2.1 神经元模型 | 第22-23页 |
| 3.2.2 神经网络构成的三要素：激活函数、网络结构、学习规则 | 第23-25页 |
| 3.2.3 机器学习的两种基本类型：有监督学习以及无监督学习 | 第25页 |
| 3.3 BP神经网络介绍 | 第25-30页 |
| 3.3.1 BP神经网络的拓扑结构 | 第25-27页 |
| 3.3.2 反向传播算法 (Backpropagation Algorithm，即BP算法) | 第27-29页 |
| 3.3.3 BP算法的实现步骤 | 第29-30页 |
| 3.3.4 BP网络的逼近能力分析 | 第30页 |
| 3.4 BP神经网络的特点 | 第30页 |
| 3.5 神经网络的在实际预测模型中的问题 | 第30-31页 |
| 3.6 神经网络用于股价预测的可行性分析 | 第31-33页 |
| 第4章 预测模型与日内交易系统的设计 | 第33-40页 |
| 4.1 BP神经网络预测模型的设计 | 第33-36页 |
| 4.1.1 算法流程与模型综述 | 第33-34页 |
| 4.1.2 输入变量的选取 | 第34-35页 |
| 4.1.3 输出数据说明 | 第35页 |
| 4.1.4 数据集样本容量 | 第35页 |
| 4.1.5 人工神经网络模型的训练 | 第35-36页 |
| 4.2 日内交易系统介绍 | 第36-40页 |
| 4.2.1 交易系统进出场规则 | 第36-37页 |
| 4.2.2 风险管理机制 | 第37页 |
| 4.2.3 资金管理方案 | 第37-38页 |
| 4.2.4 现实世界的约束条件 | 第38页 |
| 4.2.5 交易绩效评估 | 第38-40页 |
| 第5章 实证分析 | 第40-54页 |
| 5.1 数据选择 | 第40页 |
| 5.2 数据预处理（归一化处理） | 第40页 |
| 5.3 神经网络训练 | 第40-41页 |
| 5.4 神经网络的预测结果 | 第41-42页 |
| 5.5 预测误差的展示和分析 | 第42-44页 |
| 5.6 日内交易系统回测 | 第44-46页 |
| 5.7 策略组合的对比展示 | 第46-49页 |
| 5.8 日内交易策略不同风险控制机制（止损设置）的对比展示 | 第49-52页 |
| 5.9 日内交易策略与其他持股策略的组合及对比 | 第52-54页 |
| 第6章 结论 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
