基于神经网络技术的股票买入点预测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 常用术语 | 第11-12页 |
| 1.4 相关工作 | 第12页 |
| 1.5 本文主要研究内容 | 第12页 |
| 1.6 本文结构 | 第12-15页 |
| 第2章 股票预测的理论和方法 | 第15-21页 |
| 2.1 股票价格的波动因素 | 第15-17页 |
| 2.1.1 股票市场内部因素 | 第15页 |
| 2.1.2 公司内部因素 | 第15-16页 |
| 2.1.3 宏观经济因素 | 第16页 |
| 2.1.4 政策因素 | 第16-17页 |
| 2.1.5 其他因素 | 第17页 |
| 2.2 股票预测的基本假设 | 第17页 |
| 2.3 股票数据的特点 | 第17-18页 |
| 2.4 股票预测的方法 | 第18-20页 |
| 2.4.1 神经网络方法 | 第18-19页 |
| 2.4.2 时间序列分析法 | 第19页 |
| 2.4.3 基于统计学理论的预测方法 | 第19-20页 |
| 2.4.4 灰色预测方法 | 第20页 |
| 2.4.5 其他的预测方法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 股票预测系统的需求分析与总体设计 | 第21-33页 |
| 3.1 系统功能分析 | 第21-22页 |
| 3.2 系统约束 | 第22页 |
| 3.2.1 环境约束 | 第22页 |
| 3.2.2 开发约束 | 第22页 |
| 3.3 架构设计 | 第22-23页 |
| 3.4 数据库设计 | 第23-32页 |
| 3.4.1 表间关系图 | 第23-24页 |
| 3.4.2 表定义 | 第24-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 股票预测模型的设计与效果评测 | 第33-47页 |
| 4.1 股票预测模型的设计 | 第33-39页 |
| 4.1.1 7天活跃度分析网络 | 第33-34页 |
| 4.1.2 14天活跃度分析网络 | 第34-35页 |
| 4.1.3 28天活跃度分析网络 | 第35-36页 |
| 4.1.4 56天活跃度分析网络 | 第36-37页 |
| 4.1.5 7天均价趋势变化度分析网络 | 第37-38页 |
| 4.1.6 14天均价趋势变化度分析网络 | 第38-39页 |
| 4.2 股票预测模型的预测得分与阈值选取 | 第39页 |
| 4.2.1 计算规则 | 第39页 |
| 4.2.2 阈值选取 | 第39页 |
| 4.3 股票预测模型的实例分析 | 第39-43页 |
| 4.3.1 原始数据信息 | 第39-41页 |
| 4.3.2 各时间段统计信息 | 第41页 |
| 4.3.3 神经网络输入变量 | 第41-42页 |
| 4.3.4 预测结果分析 | 第42-43页 |
| 4.4 股票预测模型的效果评测 | 第43-45页 |
| 4.4.1 数据样本分类 | 第43-44页 |
| 4.4.2 神经网络训练 | 第44页 |
| 4.4.3 神经网络测试 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 股票预测系统的详细设计与实现 | 第47-57页 |
| 5.1 股票分析客户端的设计与实现 | 第47-51页 |
| 5.1.1 数据全量加载模块 | 第47-49页 |
| 5.1.2 预测查询模块 | 第49-51页 |
| 5.2 股票分析服务端的设计与实现 | 第51-56页 |
| 5.2.1 数据增量采集模块 | 第51-52页 |
| 5.2.2 特征提取模块 | 第52-55页 |
| 5.2.3 训练学习模块 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
