| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 文献综述 | 第11-13页 |
| 1.2.1 国外相关研究文献综述 | 第11-12页 |
| 1.2.2 国内相关研究文献综述 | 第12页 |
| 1.2.3 国内外研究评述 | 第12-13页 |
| 1.3 研究思路与研究内容 | 第13-16页 |
| 1.3.1 研究思路 | 第13-14页 |
| 1.3.2 研究内容 | 第14-16页 |
| 第2章 股市预测的相关理论及常用方法研究 | 第16-29页 |
| 2.1 股市预测的研究和发展概述 | 第16-19页 |
| 2.1.1 国外股市预测的研究和发展史 | 第16-18页 |
| 2.1.2 国内股市预测的研究和发展史 | 第18-19页 |
| 2.2 股市预测的基本面分析法 | 第19-21页 |
| 2.3 股市预测的技术面分析法 | 第21-29页 |
| 2.3.1 技术面分析法的理论基础 | 第21-26页 |
| 2.3.2 技术面分析方法 | 第26-29页 |
| 第3章 BP神经网络的基本理论 | 第29-37页 |
| 3.1 神经网络基本原理及发展历史 | 第29-30页 |
| 3.2 BP(反向传播)神经网络的网络结构及训练与学习 | 第30-34页 |
| 3.2.1 人工神经元结构与工作方式 | 第30-31页 |
| 3.2.2 多层前馈神经网络的网络结构 | 第31-32页 |
| 3.2.3 BP神经网络结构及其工作原理 | 第32页 |
| 3.2.4 BP神经网络的训练与学习 | 第32-34页 |
| 3.3 BP神经网络算法的基本步骤 | 第34-35页 |
| 3.4 BP神经网络的局限性 | 第35-37页 |
| 第4章 小波分析的基本理论 | 第37-47页 |
| 4.1 小波分析的概述 | 第37-38页 |
| 4.1.1 小波分析产生的背景 | 第37页 |
| 4.1.2 小波分析的发展历史 | 第37-38页 |
| 4.2 傅里叶(Fourier)分析基本理论 | 第38-42页 |
| 4.2.1 时域与频域 | 第39-40页 |
| 4.2.2 傅里叶级数(Fourier Series)与傅里叶变换(Fourier Transformation) | 第40-42页 |
| 4.2.3 小波变换 | 第42页 |
| 4.3 多分辨分析(MRA) | 第42-43页 |
| 4.4 小波神经网络模型的网络结构与特征 | 第43-45页 |
| 4.4.1 小波神经网络模型网络结构与种类 | 第43-45页 |
| 4.4.2 小波神经网路的特征 | 第45页 |
| 4.5 小波分析的局限性 | 第45-47页 |
| 第5章 基于小波分析和BP神经网络相结合的股票短期预测模型的构造 | 第47-55页 |
| 5.1 小波分析和BP神经网络结合的意义 | 第47页 |
| 5.2 小波分析和BP神经网络结合的方式 | 第47-48页 |
| 5.3 基于小波分解和重构BP神经网络的股票预测模型 | 第48-55页 |
| 5.3.1 基于小波分解和重构BP神经网络的股票预测模型的建模流程 | 第48-49页 |
| 5.3.2 训练样本数据的选取 | 第49-50页 |
| 5.3.3 小波信号的分解与重构 | 第50-51页 |
| 5.3.4 小波函数的选择 | 第51页 |
| 5.3.5 小波分解层数的选择 | 第51-53页 |
| 5.3.6 网络结构的确定 | 第53-54页 |
| 5.3.7 数据的归一化和反归一化处理 | 第54-55页 |
| 第6章 基于小波神经网络对股价预测的基本步骤及其实证分析 | 第55-61页 |
| 6.1 预测评价指标 | 第55页 |
| 6.2 样本数据选取与建模方法 | 第55-57页 |
| 6.2.1 样本选取 | 第55-56页 |
| 6.2.2 建模方法 | 第56-57页 |
| 6.3 短期预测模型的实证结果分析 | 第57-59页 |
| 6.3.1 数据归一化处理 | 第57页 |
| 6.3.2 小波重构尺度的选择 | 第57-58页 |
| 6.3.3 短期预测模型的预测 | 第58-59页 |
| 6.4 模型拓展应用的实证分析 | 第59-61页 |
| 第7章 结论与建议 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 发表论文和参加科研情况说明 | 第67-69页 |
| 致谢 | 第69页 |
