| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 0 引言 | 第12-22页 |
| 0.1 选题的背景及意义 | 第12-14页 |
| 0.1.1 选题背景 | 第12-13页 |
| 0.1.2 选题意义 | 第13-14页 |
| 0.2 国内外研究现状 | 第14-19页 |
| 0.2.1 国外研究现状 | 第14-16页 |
| 0.2.2 国内研究现状 | 第16-19页 |
| 0.3 论文的研究思路、结构和方法 | 第19-21页 |
| 0.3.1 论文的研究思路与研究方法 | 第19页 |
| 0.3.2 论文的框架 | 第19-21页 |
| 0.4 论文的创新与不足 | 第21-22页 |
| 0.4.1 论文的创新 | 第21页 |
| 0.4.2 论文的不足 | 第21-22页 |
| 1 混沌效应分析的相关理论基础 | 第22-40页 |
| 1.1 混沌现象的内涵与特征 | 第22-28页 |
| 1.1.1 混沌现象的起源与发展 | 第22-23页 |
| 1.1.2 混沌现象的内涵 | 第23-25页 |
| 1.1.3 混沌的特征 | 第25-26页 |
| 1.1.4 股票市场混沌的特征 | 第26-28页 |
| 1.2 相空间重构的基本原理 | 第28-32页 |
| 1.2.1 系统及金融系统的内涵 | 第28-29页 |
| 1.2.2 相空间的内涵与特征 | 第29-30页 |
| 1.2.3 系统的相空间重构原理 | 第30-32页 |
| 1.3 混沌效应的识别检验方法 | 第32-36页 |
| 1.3.1 混沌效应识别的定性检验方法 | 第32-34页 |
| 1.3.2 混沌效应识别的定量检验方法 | 第34-36页 |
| 1.4 混沌时间序列的预测判定方法 | 第36-39页 |
| 1.4.1 局域预测判定法 | 第36-37页 |
| 1.4.2 RBF神经网络预测判定法 | 第37-38页 |
| 1.4.3 Volterra级数自适应预测判定法 | 第38-39页 |
| 1.5 本章小结 | 第39-40页 |
| 2 基于动态调整RBF网络宽度的模型改进机理分析 | 第40-48页 |
| 2.1 对传统RBF神经网络混沌预测的评析 | 第40-44页 |
| 2.1.1 传统RBF神经网络模型预测的基本原理 | 第40-42页 |
| 2.1.2 传统RBF神经网络静态宽度的测定方法 | 第42-43页 |
| 2.1.3 传统RBF神经网络宽度算法的优劣评价 | 第43-44页 |
| 2.2 改进RBF神经网络静态宽度的必要性 | 第44-45页 |
| 2.2.1 提高系统测试集的分类精确度 | 第44-45页 |
| 2.2.2 提高系统测试整体拟合的效果 | 第45页 |
| 2.3 动态调整RBF神经网络宽度的改进原理 | 第45-47页 |
| 2.4 本章小结 | 第47-48页 |
| 3 基于改进RBF神经网络构建股市混沌预测模型 | 第48-60页 |
| 3.1 模型构建的依据原则 | 第48-50页 |
| 3.1.1 目的性原则 | 第48-49页 |
| 3.1.2 导向性原则 | 第49页 |
| 3.1.3 可操作性原则 | 第49-50页 |
| 3.2 股价时序相空间重构参数的选择 | 第50-55页 |
| 3.2.1 时间延迟和嵌入维数的独立性选择 | 第50-52页 |
| 3.2.2 时间延迟和嵌入维数的相关性选择 | 第52-54页 |
| 3.2.3 独立性选择和相关性选择比较分析 | 第54-55页 |
| 3.3 股价时序混沌效应判定指标的选择 | 第55-57页 |
| 3.3.1 股价时间序列关联维数的确定 | 第55-56页 |
| 3.3.2 股价时间序列最大Lyapunov指数的确定 | 第56-57页 |
| 3.4 改进后的RBF神经网络训练与测试 | 第57-58页 |
| 3.5 本章小结 | 第58-60页 |
| 4 改进的RBF网络对股市混沌预测适用性研究 | 第60-69页 |
| 4.1 数据说明与预处理 | 第60-61页 |
| 4.1.1 数据的来源 | 第60-61页 |
| 4.1.2 数据预处理 | 第61页 |
| 4.2 时间延迟和嵌入维数的测定 | 第61-63页 |
| 4.3 我国股票市场的混沌效应的识别判断 | 第63-66页 |
| 4.3.1 基于最大李雅普诺夫法对混沌效应的判断 | 第63-64页 |
| 4.3.2 基于关联维数法对混沌效应的判断 | 第64-66页 |
| 4.4 改进RBF神经网络的股市混沌效应预测 | 第66-68页 |
| 4.4.1 改进后RBF神经网络对学习训练结果的测试 | 第66-67页 |
| 4.4.2 改进后RBF网络模型预测结果分析 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 5. 结论与展望 | 第69-73页 |
| 5.1 结论 | 第69-71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 个人简历 | 第78-79页 |
| 发表的学术论文 | 第79页 |