| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究的目的和意义 | 第10-11页 |
| 1.2 金融时间序列预测国内外研究现状及发展趋势 | 第11-12页 |
| 1.2.1 ARMA在金融时间序列预测中的应用 | 第11页 |
| 1.2.2 神经网络法在金融时间序列预测中的应用 | 第11-12页 |
| 1.2.3 组合模型在金融时间序列预测中的应用 | 第12页 |
| 1.3 本文的内容及结构 | 第12-14页 |
| 第二章 股票市场数据特征及收益率介绍 | 第14-16页 |
| 2.1 股票市场数据特征 | 第14页 |
| 2.2 收益率 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 时间序列分析法与神经网络预测法介绍 | 第16-26页 |
| 3.1 时间序列分析法 | 第16-18页 |
| 3.1.1 ARMA模型的定义 | 第16页 |
| 3.1.2 自相关函数和偏自相关函数介绍 | 第16-18页 |
| 3.1.3 ARMA的建模实现过程 | 第18页 |
| 3.2 神经网络预测法 | 第18-25页 |
| 3.2.1 神经元介绍 | 第19-20页 |
| 3.2.2 人工神经网络的结构 | 第20-22页 |
| 3.2.3 广义回归神经网络模型介绍 | 第22-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 数据建模与分析过程 | 第26-46页 |
| 4.1 数据内容及研究过程概述 | 第26-28页 |
| 4.1.1 数据内容及来源 | 第26页 |
| 4.1.2 研究过程概述 | 第26-28页 |
| 4.1.3 特别说明 | 第28页 |
| 4.2 模型预测效果评价体系 | 第28-29页 |
| 4.2.1 趋势维度评价指标 | 第28页 |
| 4.2.2 误差维度评价指标 | 第28-29页 |
| 4.3 建模及预测过程 | 第29-45页 |
| 4.3.1 ARMA模型 | 第29-37页 |
| 4.3.2 GRNN模型 | 第37-41页 |
| 4.3.3 ARMA(1,1)-GRNN模型 | 第41-43页 |
| 4.3.4 预测结果对比分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 预测结果分析 | 第46-54页 |
| 5.1 从趋势维度分析预测效果 | 第46-48页 |
| 5.1.1 ARMA、GRNN和ARMA(1,1)-GRNN趋势预测效果分析 | 第46-47页 |
| 5.1.2 ARMA、GRNN和ARMA(1,1)-GRNN趋势预测效果对比分析 | 第47-48页 |
| 5.2 从预测误差维度分析预测效果 | 第48-53页 |
| 5.2.1 通过误差平方和指标分析预测效果 | 第48-50页 |
| 5.2.2 通过相对误差指标分析预测效果 | 第50-51页 |
| 5.2.3 通过绝对误差指标分析预测效果 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 总结 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-68页 |
| 附录A 预测结果汇总 | 第58-66页 |
| 附录B MATLAB程序 | 第66-68页 |
| 致谢 | 第68页 |