基于BP神经网络的股票价格走势预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文创新点 | 第18-19页 |
| 第二章 神经网络概述 | 第19-31页 |
| 2.1 神经网络基础知识 | 第20-24页 |
| 2.1.1 人工神经元的结构 | 第20-22页 |
| 2.1.2 影响神经网络的性能的因素 | 第22-24页 |
| 2.2 BP神经网络 | 第24-30页 |
| 2.2.1 单层感知器 | 第24-26页 |
| 2.2.2 基于BP算法的多层感知器 | 第26-29页 |
| 2.2.3 神经网络的优势及应用 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 因子选择 | 第31-40页 |
| 3.1 备选因子 | 第31-33页 |
| 3.2 因子选取 | 第33-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 模型的建立 | 第40-45页 |
| 4.1 基于BP神经网络模型的建立 | 第40-42页 |
| 4.2 网络结构设置 | 第42-43页 |
| 4.3 网络性能设置 | 第43-44页 |
| 4.4 模型评价 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 实证分析 | 第45-78页 |
| 5.1 数据处理 | 第45-46页 |
| 5.2 标准BP与加动量BP的比较 | 第46-52页 |
| 5.3 参数优化 | 第52-71页 |
| 5.3.1 训练数据的选择 | 第52-58页 |
| 5.3.2 训练函数的选择 | 第58-64页 |
| 5.3.3 学习率的选择 | 第64-68页 |
| 5.3.4 隐节点的设置 | 第68-69页 |
| 5.3.5 激活函数的选取 | 第69-71页 |
| 5.4 分行情的BP神经网络预测 | 第71-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 6.1 结论 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |
