| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和选题意义 | 第11-14页 |
| ·文献综述 | 第14-18页 |
| ·本文研究内容 | 第18-19页 |
| 第2章 神经网络和模糊理论综述 | 第19-39页 |
| ·神经网络 | 第19-33页 |
| ·神经网络的特点 | 第19-21页 |
| ·神经网络模型 | 第21-30页 |
| ·神经网络的学习算法 | 第30-33页 |
| ·模糊理论 | 第33-35页 |
| ·模糊集合 | 第33-34页 |
| ·隶属函数 | 第34页 |
| ·模糊逻辑系统 | 第34-35页 |
| ·神经网络与模糊理论的结合 | 第35-39页 |
| 第3章 基于神经网络的股指收益率预测分析 | 第39-48页 |
| ·BP神经网络模型 | 第39-40页 |
| ·加入GARCH变量的BP神经网络(BP-GARCH) | 第40页 |
| ·预测模型绩效评定方法 | 第40-42页 |
| ·实证结果分析 | 第42-48页 |
| 第4章 基于模糊理论的股指收益率预测分析 | 第48-55页 |
| ·模糊预测模型 | 第48-49页 |
| ·模糊预测建模方法 | 第49-52页 |
| ·聚类有效性函数 | 第49-50页 |
| ·基于改进聚类算法的模糊建模方法 | 第50-51页 |
| ·模糊集合的相似性融合 | 第51页 |
| ·模糊模型的整体优化 | 第51-52页 |
| ·股指收益率的模糊预测 | 第52-55页 |
| 结论 | 第55-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第64页 |