| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容和创新 | 第14-15页 |
| 1.4 章节结构安排 | 第15-16页 |
| 2 金融时间序列预测相关研究 | 第16-24页 |
| 2.1 金融时间序列特性 | 第16-17页 |
| 2.2 金融时间序列预测模型 | 第17-20页 |
| 2.3 数据成分描述 | 第20-24页 |
| 2.3.1 基本行情数据 | 第20-22页 |
| 2.3.2 技术指标 | 第22-24页 |
| 3 单流网络预测模型 | 第24-52页 |
| 3.1 基于WDAE-LSTM混合模型的自趋势流网络结构 | 第24-38页 |
| 3.1.1 自趋势流网络结构设计 | 第24-26页 |
| 3.1.2 小波降噪模块 | 第26-30页 |
| 3.1.3 降噪自编码器模块 | 第30-33页 |
| 3.1.4 长短期记忆网络 | 第33-38页 |
| 3.2 实验设计与结果分析 | 第38-51页 |
| 3.2.1 数据集 | 第39-41页 |
| 3.2.2 数据预处理 | 第41-42页 |
| 3.2.3 评估指标 | 第42-43页 |
| 3.2.4 实验结果与分析 | 第43-51页 |
| 3.3 本章小结 | 第51-52页 |
| 4 双流网络预测模型 | 第52-70页 |
| 4.1 双流网络预测模型结构设计 | 第52-54页 |
| 4.2 基于WPCA-LSTM混合模型的互趋势流网络结构 | 第54-59页 |
| 4.2.1 互趋势流网络结构设计 | 第54-55页 |
| 4.2.2 小波主成分分析降噪模块 | 第55-57页 |
| 4.2.3 实验设计与结果分析 | 第57-59页 |
| 4.3 双流特征融合 | 第59-62页 |
| 4.4 实验结果分析 | 第62-65页 |
| 4.5 其它时间序列预测 | 第65-68页 |
| 4.6 本章小结 | 第68-70页 |
| 5 总结与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 个人简历及在学期间参与项目 | 第75-76页 |
| 个人简历 | 第75页 |
| 参与项目 | 第75-76页 |
| 致谢 | 第76页 |