基于神经网络的股票预测分析和研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景 | 第9-10页 |
| ·股票分析预测方法综述 | 第10-12页 |
| ·神经网络的研究与发展 | 第12-15页 |
| ·数据挖掘技术的研究与发展 | 第15-17页 |
| ·论文的主要内容及创新之处 | 第17-19页 |
| ·论文的主要内容 | 第17页 |
| ·论文的结构安排 | 第17页 |
| ·论文的创新之处 | 第17-19页 |
| 第二章 证券预测分析理论 | 第19-31页 |
| ·证券的概述 | 第19页 |
| ·国外证券市场 | 第19-20页 |
| ·股票的概述 | 第20页 |
| ·股票常用预测方法 | 第20-25页 |
| ·证券投资分析方法 | 第20-23页 |
| ·时间序列分析法 | 第23-24页 |
| ·神经网络预测方法 | 第24页 |
| ·其他预测方法 | 第24页 |
| ·股价预测存在的问题 | 第24-25页 |
| ·股票价格、股票预测变量及相关变量 | 第25-27页 |
| ·股票价格 | 第25-26页 |
| ·股票预测变量和相关变量 | 第26-27页 |
| ·股票常用技术指标 | 第27-30页 |
| ·移动平均线(MA) | 第27页 |
| ·随机指数(KD线) | 第27页 |
| ·平滑异同移动平均线(MACD) | 第27-28页 |
| ·相对强弱指数(RSI) | 第28页 |
| ·交易量指标(OBV) | 第28-29页 |
| ·人气买卖指标(AR) | 第29页 |
| ·买卖意愿指标(BR) | 第29-30页 |
| ·乖离率(BIAS) | 第30页 |
| ·本章小节 | 第30-31页 |
| 第三章 数据挖掘技术分析 | 第31-34页 |
| ·数据挖掘的基本思想与工作流程 | 第31页 |
| ·数据挖掘分类 | 第31-32页 |
| ·数据挖掘算法 | 第32-33页 |
| ·关联规则 | 第32页 |
| ·粗糙集理论 | 第32页 |
| ·进化计算 | 第32页 |
| ·决策树 | 第32-33页 |
| ·人工神经网络 | 第33页 |
| ·灰色系统理论 | 第33页 |
| ·数据挖掘算法在股票预测应用中意义 | 第33页 |
| ·本章小节 | 第33-34页 |
| 第四章 神经网络及 BP算法 | 第34-45页 |
| ·神经网络概述 | 第34-35页 |
| ·神经网络的特性 | 第35-36页 |
| ·FMNN模型 | 第36-37页 |
| ·BP学习算法 | 第37-44页 |
| ·BP算法 | 第37-39页 |
| ·标准 BP算法公式 | 第39-40页 |
| ·BP算法的局限性及改进 | 第40-41页 |
| ·参数自适应 BP算法 | 第41-42页 |
| ·BP网络的学习过程 | 第42-44页 |
| ·本章小节 | 第44-45页 |
| 第五章 神经网络在股票价格预测中的应用 | 第45-68页 |
| ·神经网络在股票预测中的可行性 | 第45页 |
| ·系统分析与设计 | 第45-51页 |
| ·需要分析 | 第45-46页 |
| ·问题具体化 | 第46-48页 |
| ·系统设计 | 第48页 |
| ·数据预处理 | 第48-49页 |
| ·网络拓扑的设计 | 第49页 |
| ·初始参数的选择 | 第49-50页 |
| ·神经网络预测的一般步骤 | 第50页 |
| ·性能评价标准 | 第50-51页 |
| ·BP网络在股票价格预测中的应用 | 第51-59页 |
| ·样本的生成 | 第51-52页 |
| ·输入向量的确定 | 第52-53页 |
| ·参数的确定 | 第53-59页 |
| ·时间序列预测技术在股票预测中的应用 | 第59-67页 |
| ·一次指数平滑法 | 第59-60页 |
| ·二次指数平滑法 | 第60-61页 |
| ·三次指数平滑法 | 第61-62页 |
| ·指数平滑法对股票价格进行预测 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 附录 | 第72-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78页 |
