| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的选取及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 时间序列的发展历史和现状 | 第11-13页 |
| 1.2.2 股票预测的发展和现状 | 第13-15页 |
| 1.3 本文工作与结构安排 | 第15-17页 |
| 1.3.1 本文主要工作 | 第15页 |
| 1.3.2 本文结构安排 | 第15-17页 |
| 2 时间序列的基本理论和模型 | 第17-28页 |
| 2.1 平稳时间序列 | 第17-19页 |
| 2.1.1 时间序列的概念 | 第17页 |
| 2.1.2 平稳时间序列 | 第17-19页 |
| 2.2 时间序列均值及自协方差估计 | 第19-22页 |
| 2.2.1 相关系数和自相关函数 | 第19-20页 |
| 2.2.2 均值估计 | 第20页 |
| 2.2.3 自协方差函数的估计 | 第20-21页 |
| 2.2.4 白噪声 | 第21-22页 |
| 2.3 时间序列模型 | 第22-26页 |
| 2.3.1 自回归模型 | 第22-23页 |
| 2.3.2 滑动平均模型 | 第23-24页 |
| 2.3.3 自回归滑动平均模型 | 第24-26页 |
| 2.4 时间序列的预测 | 第26-28页 |
| 3 ARMA模型在股票价格预测中的应用 | 第28-37页 |
| 3.1 ARMA模型的基本原理 | 第28-31页 |
| 3.1.1 平稳性 | 第28-29页 |
| 3.1.2 ARMA模型的识别和定阶 | 第29-30页 |
| 3.1.3 ARMA模型的参数估计 | 第30-31页 |
| 3.1.4 ARMA模型检验 | 第31页 |
| 3.2 ARMA模型的建模过程 | 第31-32页 |
| 3.3 ARMA模型在股票价格预测中的应用 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-37页 |
| 3.4.1 仿真实验 | 第33页 |
| 3.4.2 实验结果分析 | 第33-37页 |
| 4 BP神经网络在股票价格预测中的应用 | 第37-47页 |
| 4.1 神经网络基本原理 | 第37-40页 |
| 4.1.1 神经网络简介 | 第37页 |
| 4.1.2 神经网络的发展过程 | 第37-38页 |
| 4.1.3 人工神经元网络模型 | 第38-39页 |
| 4.1.4 神经元网络的分类 | 第39-40页 |
| 4.2 BP神经网络 | 第40-44页 |
| 4.2.1 BP神经网络模型的原理 | 第40-42页 |
| 4.2.2 BP算法的实现过程 | 第42-43页 |
| 4.2.3 BP神经网络的功能 | 第43页 |
| 4.2.4 BP神经网络在股票价格预测中的应用 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.3.1 仿真实验 | 第44页 |
| 4.3.2 实验结果分析 | 第44-47页 |
| 5 BP-ARMA模型在股票价格预测中的应用 | 第47-55页 |
| 5.1 BP-ARMA模型构造原理 | 第47页 |
| 5.2 BP-ARMA组合模型的建模过程 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-51页 |
| 5.3.1 仿真实验 | 第48页 |
| 5.3.2 实验结果分析 | 第48-51页 |
| 5.4 BP-ARMA组合模型预测股票价格实例分析 | 第51-55页 |
| 5.4.1 仿真实验 | 第51页 |
| 5.4.2 数据的平稳化处理 | 第51-53页 |
| 5.4.3 股票价格的预测实验结果与分析 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 附录A BP-ARMA组合模型预测股价的源代码 | 第59-65页 |
| 致谢 | 第65-66页 |