神经网络在证券系统中的应用
| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6页 |
| 第一章 绪论 | 第7-10页 |
| 1．1 股市预测的发展与挑战 | 第7-8页 |
| 1．2 神经网络—实现复杂非线性预测 | 第8-9页 |
| 1．3 本文的主要内容 | 第9-10页 |
| 第二章 股票背景知识 | 第10-21页 |
| 2．1 引言 | 第10页 |
| 2．2 股市常用预测方法及存在的问题 | 第10-13页 |
| 2．2．1 证券投资分析方法 | 第10-11页 |
| 2．2．2 时间序列分析法 | 第11页 |
| 2．2．3 神经网络预测方法 | 第11-12页 |
| 2．2．4 其他预测方法 | 第12页 |
| 2．2．5 股价（指数）预测存在的问题 | 第12-13页 |
| 2．3 股价指数、股市预测变量和相关变量 | 第13-14页 |
| 2．3．1 股价指数 | 第13页 |
| 2．3．2 股市预测变量和相关变量 | 第13-14页 |
| 2．4 常用的技术指标 | 第14-21页 |
| 第三章 神经网络及BP算法 | 第21-37页 |
| 3．1 神经网络概述 | 第21-23页 |
| 3．2 神经网络的特性 | 第23-24页 |
| 3．3 MFNN模型 | 第24-25页 |
| 3．4 BP学习算法 | 第25-35页 |
| 3．4．1 BP算法 | 第25-28页 |
| 3．4．2 标准BP算法公式推导 | 第28-33页 |
| 3．4．3 BP网络改进算法 | 第33-35页 |
| 3．5 初值选取原则及隐层节点个数的确定 | 第35-37页 |
| 3．5．1 初值选取原则 | 第35页 |
| 3．5．2 BP网络隐层节点个数的确定方法 | 第35-37页 |
| 第四章 股市预测 | 第37-43页 |
| 4．1 神经预测理论 | 第37页 |
| 4．2 神经网络用于预测的一般步骤 | 第37-38页 |
| 4．3 神经网络预测方法 | 第38-40页 |
| 4．4 股市神经预测所遇到的问题 | 第40-43页 |
| 第五章 选择箱体振荡股 | 第43-46页 |
| 5．1 引言 | 第43页 |
| 5．2 箱体振荡股的确定 | 第43-45页 |
| 5．3 智能选股与神经预测的结合 | 第45-46页 |
| 第六章 系统实现 | 第46-59页 |
| 6．1 系统需求分析 | 第46-47页 |
| 6．1．1 系统需求 | 第46页 |
| 6．1．2 开发工具 | 第46-47页 |
| 6．2 系统主要功能 | 第47-52页 |
| 6．3 系统具体实现 | 第52-57页 |
| 6．3．1 系统中使用的控件及类 | 第52-54页 |
| 6．3．2 功能的具体实现 | 第54-57页 |
| 6．4 Delphi和Matlab接口的实现 | 第57-59页 |
| 第七章 实验 | 第59-68页 |
| 7．1 原始数据的归一化处理 | 第59页 |
| 7．2 性能评价标准 | 第59-60页 |
| 7．3 股市预测实验 | 第60-67页 |
| 7．3．1 对上证日收盘指数的预测 | 第60-62页 |
| 7．3．2 关于回溯时间的实验 | 第62-64页 |
| 7．3．3 系统使用算法的性能比较 | 第64-65页 |
| 7．3．4 对箱体振荡股的预测 | 第65-67页 |
| 7．4 过度训练现象及解决方法 | 第67-68页 |
| 结束语 | 第68-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-73页 |
