| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-15页 |
| 1.1 课题的研究背景 | 第11页 |
| 1.2 本文研究目的与意义 | 第11-12页 |
| 1.3 股票价格预测的国内外现状 | 第12-13页 |
| 1.4 本文研究内容方法和技术路线 | 第13-15页 |
| 2 概念确定与预测方法分析 | 第15-30页 |
| 2.1 股票基础概念 | 第15-22页 |
| 2.1.1 股票的概念和性质 | 第15-16页 |
| 2.1.2 股价的影响因素 | 第16-18页 |
| 2.1.3 股票术语和技术指标 | 第18-21页 |
| 2.1.4 国内外股票市场的对比及面临问题 | 第21-22页 |
| 2.2 股价预测的基本方法 | 第22-28页 |
| 2.2.1 基本分析法 | 第22-23页 |
| 2.2.2 技术分析法 | 第23-25页 |
| 2.2.3 数量分析法 | 第25-28页 |
| 2.3 股票预测方法的选择 | 第28-30页 |
| 3 标准BP神经网络及其分析 | 第30-45页 |
| 3.1 人工神经元模型 | 第30页 |
| 3.2 神经网络分析 | 第30-32页 |
| 3.3 神经网络的学习方式 | 第32-34页 |
| 3.4 BP神经网络基本结构 | 第34-35页 |
| 3.5 标准BP神经网络训练过程 | 第35-43页 |
| 3.6 标准BP神经网络存在的不足 | 第43页 |
| 3.7 BP神经网络用于预测时存在的问题分析 | 第43-45页 |
| 4 LM-BP神经网络 | 第45-56页 |
| 4.1 牛顿法的基本原理 | 第45页 |
| 4.2 LM-BP神经网络算法 | 第45-46页 |
| 4.3 雅克比矩阵的计算 | 第46-48页 |
| 4.4 隐含层到输出层权值偏导数计算 | 第48-50页 |
| 4.5 输出层阈值偏导数计算 | 第50-51页 |
| 4.6 输入层到隐含层权值偏导数计算 | 第51-54页 |
| 4.7 隐含层阈值偏导数计算 | 第54-56页 |
| 5 基于BP神经网络的时间序列预测方法预测股票研究 | 第56-62页 |
| 5.1 时间序列和时间序列预测的概念 | 第56页 |
| 5.2 基于BP神经网络时间序列预测方法 | 第56-59页 |
| 5.2.1 确定网络结构 | 第57-59页 |
| 5.2.2 基于BP神经网络的时间序列的输入输出模式 | 第59页 |
| 5.3 基于BP神经网络股票预测 | 第59-61页 |
| 5.3.1 网络结构 | 第59-60页 |
| 5.3.2 输入输出模式 | 第60-61页 |
| 5.4 算法流程图 | 第61-62页 |
| 6 基于BP神经网络的股票预测研究 | 第62-72页 |
| 6.1 问题描述 | 第62页 |
| 6.2 样本的输入输出模式 | 第62-63页 |
| 6.3 训练样本与测试样本的确定 | 第63-64页 |
| 6.4 网络训练及拟合精度分析 | 第64-70页 |
| 6.5 股票价格预测 | 第70-72页 |
| 7 股票相关指标计算及变化趋势分析 | 第72-78页 |
| 7.1 移动平均线趋势变化及分析 | 第72-73页 |
| 7.2 人气指标趋势变化及分析 | 第73-74页 |
| 7.3 乖离率趋势变化及分析 | 第74-75页 |
| 7.4 相对强弱指标趋势变化及分析 | 第75-76页 |
| 7.5 威廉指标趋势变化及分析 | 第76-78页 |
| 8 结论与展望 | 第78-79页 |
| 8.1 结论 | 第78页 |
| 8.2 创新点 | 第78页 |
| 8.3 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录 | 第83-92页 |
| 攻读硕士学位期间发表的学术论文 | 第92页 |