| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景及研究意义 | 第7-8页 |
| ·研究背景 | 第7页 |
| ·研究意义 | 第7-8页 |
| ·研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-11页 |
| ·研究思路 | 第11页 |
| ·论文结构设计及主要内容 | 第11-13页 |
| 2 智能算法综述 | 第13-19页 |
| ·神经网络 | 第13-16页 |
| ·BP神经网络 | 第13-14页 |
| ·RBF神经网络 | 第14-16页 |
| ·布谷鸟算法 | 第16-18页 |
| ·布谷鸟算法原理介绍 | 第16页 |
| ·布谷鸟算法参数解释 | 第16-17页 |
| ·布谷鸟算法流程 | 第17-18页 |
| ·共享机制的小生境技术 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于GCS-BP网络的资产价值预测的股票价值研究 | 第19-27页 |
| ·GCS算法介绍 | 第19页 |
| ·GCS算法与CS算法仿真对比 | 第19-21页 |
| ·GCS-BP网络算法介绍及步骤 | 第21页 |
| ·公司资产价值0S的确定 | 第21-24页 |
| ·基于Black-Scholes模型的股票定价及投资决策 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 4 基于GCS-BP网络的波动率预测的股票价值研究 | 第27-33页 |
| ·公司资产价值波动率的预测 | 第27-28页 |
| ·样本的选取 | 第27-28页 |
| ·BP神经网络设计 | 第28页 |
| ·GCS-BP网络的波动率预测模型 | 第28页 |
| ·网络仿真 | 第28-30页 |
| ·基于Black-Scholes模型的股票定价及投资决策 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 5 基于小生境技术的CS-RBF网络的股票价值研究 | 第33-41页 |
| ·NCS算法介绍 | 第33页 |
| ·NCS算法与CS算法解性能比较 | 第33-35页 |
| ·NCS-RBF算法介绍及算法步骤 | 第35-36页 |
| ·公司资产价值波动率σ的确定 | 第36-38页 |
| ·RBF神经网络设计及预测模型 | 第36-37页 |
| ·网络仿真 | 第37-38页 |
| ·基于Black-Scholes模型的股票定价及投资决策 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 6 结论 | 第41-43页 |
| ·研究结论 | 第41页 |
| ·研究展望 | 第41-43页 |
| 参考文献 | 第43-49页 |
| 作者攻读学位期间发表学术论文清单 | 第49-51页 |
| 致谢 | 第51页 |
