| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文工作与结构安排 | 第11-12页 |
| ·本文主要工作 | 第11页 |
| ·本文结构安排 | 第11-12页 |
| 2 ARMA模型在股票预测中的应用 | 第12-28页 |
| ·平稳时间序列 | 第12-13页 |
| ·时间序列 | 第12页 |
| ·平稳时间序列 | 第12-13页 |
| ·ARMA模型的基本原理 | 第13-16页 |
| ·ARMA模型的基本模型 | 第13-15页 |
| ·自相关函数和偏自相关函数 | 第15-16页 |
| ·ARMA模型的建模过程 | 第16-19页 |
| ·平稳性检验与平稳化 | 第17页 |
| ·模型识别 | 第17页 |
| ·模型定阶 | 第17-18页 |
| ·模型参数估计 | 第18-19页 |
| ·模型检验 | 第19页 |
| ·ARMA模型在股票预测中的应用 | 第19页 |
| ·实验结果与分析 | 第19-27页 |
| ·仿真条件 | 第19-20页 |
| ·仿真结果与分析 | 第20-27页 |
| ·本章小结 | 第27-28页 |
| 3 BP神经网络在股票预测中的应用 | 第28-42页 |
| ·神经网络简介 | 第28-32页 |
| ·神经网络的概念 | 第28页 |
| ·神经网络的发展 | 第28-30页 |
| ·人工神经元模型 | 第30-31页 |
| ·神经网络的特性 | 第31页 |
| ·神经网络的分类 | 第31页 |
| ·神经网络的应用 | 第31-32页 |
| ·BP神经网络 | 第32-35页 |
| ·BP神经网络的结构 | 第32-33页 |
| ·BP算法 | 第33-35页 |
| ·BP神经网络的设计 | 第35页 |
| ·BP神经网络在股票预测中的应用 | 第35页 |
| ·实验结果与分析 | 第35-40页 |
| ·仿真条件 | 第35-36页 |
| ·仿真结果与分析 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 4 组合模型在股票预测中的应用 | 第42-51页 |
| ·ARMA-BP组合模型在股票预测中的应用 | 第42-46页 |
| ·ARMA-BP组合模型原理 | 第42-43页 |
| ·仿真结果与分析 | 第43-46页 |
| ·Markov模型简介 | 第46-47页 |
| ·Markov模型原理 | 第46页 |
| ·Markov模型建模过程 | 第46-47页 |
| ·ARMA-BP-Markov组合模型在股票预测中的应用 | 第47-50页 |
| ·ARMA-BP-Markov组合模型原理 | 第47-48页 |
| ·仿真结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |