基于模糊时间序列及灰色理论的金融时间序列预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 股票预测研究现状 | 第10-11页 |
| 1.2.2 模糊时间序列研究现状 | 第11-12页 |
| 1.2.3 灰色理论研究现状 | 第12-13页 |
| 1.3 论文研究内容及方法 | 第13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第二章 模糊时间序列基本理论 | 第15-23页 |
| 2.1 模糊集相关理论介绍 | 第15-16页 |
| 2.1.1 模糊概念 | 第15页 |
| 2.1.2 模糊集合理论 | 第15页 |
| 2.1.3 模糊集常见的表达方式 | 第15-16页 |
| 2.2 金融时间序列及模糊时间序列简介 | 第16-22页 |
| 2.2.1 时间序列相关定义 | 第16-17页 |
| 2.2.2 金融时间序列 | 第17-18页 |
| 2.2.3 模糊时间序列定义 | 第18-19页 |
| 2.2.4 模糊时间序列预测模型基本步骤 | 第19-20页 |
| 2.2.5 模糊时间序列解模糊化 | 第20-21页 |
| 2.2.6 加权模糊时间序列 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 灰色理论概述 | 第23-31页 |
| 3.1 灰色理论简述 | 第23-26页 |
| 3.1.1 灰色生成函数 | 第23-26页 |
| 3.2 灰色预测模型 | 第26-29页 |
| 3.2.1 GM(1,1)的一般形式 | 第26页 |
| 3.2.2 辩识算法 | 第26页 |
| 3.2.3 数据还原 | 第26-27页 |
| 3.2.4 几种常见的GM(1,1)模型 | 第27页 |
| 3.2.5 灰色系统模型的检验 | 第27-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 模糊预测模型及灰色预测模型的实现 | 第31-43页 |
| 4.1 模糊预测模型的实现 | 第31-37页 |
| 4.1.1 模糊区间的划分方法 | 第31-32页 |
| 4.1.2 本文改进算法的实现与分析 | 第32-37页 |
| 4.2 灰色预测模型的实现 | 第37-42页 |
| 4.2.1 数据灰处理 | 第38-39页 |
| 4.2.2 算法实现与分析 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 灰色—模糊时间序列模型在股票预测中的应用 | 第43-57页 |
| 5.1 模型在个股日收盘价预测中的应用 | 第43-52页 |
| 5.1.1 灰色—模糊时间序列建模步骤 | 第43-44页 |
| 5.1.2 模型对比 | 第44-45页 |
| 5.1.3 模型在个股短期预测中的应用 | 第45-49页 |
| 5.1.4 公共信息对股价的影响 | 第49-52页 |
| 5.2 模型在股票分时价格预测中的应用 | 第52-54页 |
| 5.2.1 建模步骤 | 第52-53页 |
| 5.2.2 预测结果对比分析 | 第53-54页 |
| 5.3 本章小结 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57页 |
| 6.2 下一步工作 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录A 攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 附录B 样本数据 | 第67-69页 |
