| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-12页 |
| 1.2.1 研究目的 | 第9-10页 |
| 1.2.2 研究意义 | 第10-12页 |
| 1.3 国内外量化研究现状 | 第12-16页 |
| 1.3.1 国外基于PCA和BP神经网络的量化研究文献综述 | 第13-14页 |
| 1.3.2 国内基于PCA和BP神经网络的量化研究文献综述 | 第14-15页 |
| 1.3.3 文献评述 | 第15-16页 |
| 1.4 研究内容和论文结构 | 第16-18页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 论文结构 | 第17-18页 |
| 1.5 论文的创新点 | 第18-20页 |
| 第2章 量化投资基础理论和指标与股票的选取 | 第20-26页 |
| 2.1 量化投资基础理论 | 第20-21页 |
| 2.1.1 量化投资的定义 | 第20页 |
| 2.1.2 量化选股的理论 | 第20-21页 |
| 2.2 财务分析指标与交易行情指标的选取 | 第21-24页 |
| 2.2.1 财务分析指标的选取 | 第21-23页 |
| 2.2.2 交易行情指标的选取 | 第23-24页 |
| 2.3 股票的选取 | 第24-26页 |
| 2.3.1 股票数据选取处理 | 第24-26页 |
| 第3章 主成分分析算法和神经网络算法 | 第26-41页 |
| 3.1 主成分分析算法含义 | 第26-29页 |
| 3.1.1 主成分分析算法的定义与导出 | 第26-27页 |
| 3.1.2 主成分分析算法的实现步骤 | 第27-29页 |
| 3.2 人工神经网络 | 第29-33页 |
| 3.2.1 人工神经网络的基本原理 | 第29-30页 |
| 3.2.2 人工神经网络算法模型 | 第30-33页 |
| 3.3 BP神经网络 | 第33-37页 |
| 3.3.1 BP神经网络推导过程 | 第33-37页 |
| 3.4 贝叶斯正则化BP神经网络 | 第37-41页 |
| 3.4.1 正则化方法 | 第37-38页 |
| 3.4.2 贝叶斯正则化BP神经网络 | 第38-40页 |
| 3.4.3 贝叶斯正则化BP神经网络构建步骤 | 第40-41页 |
| 第4章 综合选股及其实证研究 | 第41-62页 |
| 4.1 主成分分析法在财务状况综合评价体系中的应用 | 第41-46页 |
| 4.1.1 数据前期准备 | 第41页 |
| 4.1.2 数据分析 | 第41-46页 |
| 4.2 基于BP神经网络和主成分法进行股价预测实证研究 | 第46-57页 |
| 4.2.1 研究算法选取原因 | 第46页 |
| 4.2.2 数据准备与处理 | 第46-47页 |
| 4.2.3 研究结果的评价指标 | 第47-48页 |
| 4.2.4 基于贝叶斯正则化算法的BP神经网络股价预测模型 | 第48-53页 |
| 4.2.5 基于动量梯度下降算法的BP神经网络股价预测模型 | 第53-54页 |
| 4.2.6 基于共轭梯度修正算法的BP神经网络股价预测模型 | 第54-56页 |
| 4.2.7 基于三种不同优化算法的BP神经网络股价预测情况对比 | 第56-57页 |
| 4.3 综合选股研究 | 第57-62页 |
| 4.3.1 综合选股方案构建 | 第57-59页 |
| 4.3.2 综合选股方案验证 | 第59-60页 |
| 4.3.3 投资股票推荐 | 第60-62页 |
| 第5章 总结、展望与不足 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 存在不足 | 第62-63页 |
| 5.3 进一步研究方向 | 第63-64页 |
| 附录 | 第64-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95页 |
