股票预测模型研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·股票的研究意义、方法及发展现状 | 第10-13页 |
| ·股票预测的研究意义 | 第10-11页 |
| ·股市预测方法 | 第11-13页 |
| ·神经网络与灰色系统预测的最新进展 | 第13-17页 |
| ·基于人工神经网络的股价预测的最新进展 | 第13-16页 |
| ·基于灰色系统的股价预测的最新进展 | 第16页 |
| ·需要进一步研究的问题 | 第16-17页 |
| ·本文的框架及创新 | 第17-19页 |
| ·本文的框架 | 第17页 |
| ·本文的创新 | 第17-19页 |
| 第2章 预测原理及股票知识 | 第19-33页 |
| ·预测的基本原理 | 第20-25页 |
| ·预测的概念 | 第20页 |
| ·预测的可能性 | 第20-21页 |
| ·预测种类 | 第21-23页 |
| ·预测的步骤 | 第23页 |
| ·预测效果的评价 | 第23-25页 |
| ·股票基础知识 | 第25-32页 |
| ·股市影响因素分析 | 第25-26页 |
| ·股票预测基础 | 第26-27页 |
| ·技术指标 | 第27-32页 |
| ·股市预测中常用的术语 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第3章 人工神经网络原理 | 第33-58页 |
| ·人工神经网络简介 | 第33-38页 |
| ·人工神经网络的特点 | 第33-35页 |
| ·几种著名的神经网络 | 第35-36页 |
| ·网络结构以及工作方式 | 第36-37页 |
| ·神经网络的学习方法 | 第37-38页 |
| ·误差函数 | 第38页 |
| ·BP算法原理及改进 | 第38-57页 |
| ·基于BP算法的前馈神经网络 | 第38-48页 |
| ·BP算法的改进 | 第48-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 灰色系统理论 | 第58-83页 |
| ·灰色系统的生成及灰预测 | 第58-65页 |
| ·灰色系统理论基本内容 | 第58-59页 |
| ·灰色系统理论的基本概念 | 第59-61页 |
| ·灰色系统的生成 | 第61-63页 |
| ·灰色预测特点及分类 | 第63-65页 |
| ·GM(1，1)模型建模机理及检验 | 第65-73页 |
| ·GM(1，1)模型建模机理 | 第65-69页 |
| ·GM(1，1)模型的精度检验 | 第69-73页 |
| ·灰色关联分析 | 第73-82页 |
| ·灰色关联分析原理 | 第74-78页 |
| ·灰色关联分析步骤 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 股票的灰色拓扑预测模型 | 第83-98页 |
| ·拓扑预测 | 第83-89页 |
| ·基本原理与方法 | 第83-86页 |
| ·改进的灰色拓扑预测方法 | 第86-89页 |
| ·改进的原因 | 第89页 |
| ·数据采集与预测结果分析 | 第89-97页 |
| ·本章小结 | 第97-98页 |
| 第6章 关联分析神经网络股票预测模型 | 第98-114页 |
| ·网络的处理及参数的选择 | 第98-102页 |
| ·基本数据预测模型 | 第98页 |
| ·输入变量的选择 | 第98-99页 |
| ·数据的预处理 | 第99页 |
| ·隐节点数的选取 | 第99-100页 |
| ·激活函数的确定 | 第100-101页 |
| ·BP算法的MATLAB实现 | 第101-102页 |
| ·仿真试验 | 第102-113页 |
| ·本章小结 | 第113-114页 |
| 结论 | 第114-117页 |
| 参考文献 | 第117-123页 |
| 攻读硕士学位期间发表的论文及主要科研成果 | 第123-124页 |
| 致谢 | 第124页 |
