基于人工神经元网络的股票分析及其逻辑设计
| 第1章 绪论 | 第1-17页 |
| ·论文的写作背景与写作目的 | 第9-10页 |
| ·写作背景 | 第9-10页 |
| ·写作目的 | 第10页 |
| ·股票分析方法的研究现状 | 第10-12页 |
| ·人工神经元网络在经济领域中的应用现状 | 第12-14页 |
| ·论文的总体思路 | 第14页 |
| ·论文的研究假设 | 第14-15页 |
| ·论文的创新之处 | 第15-17页 |
| 第2章 股票分析的基本理论 | 第17-26页 |
| ·基本分析理论 | 第17-21页 |
| ·本杰明-格雷厄姆理论 | 第17-19页 |
| ·沃伦-巴菲特理论 | 第19-20页 |
| ·基本分析理论的优点与不足 | 第20-21页 |
| ·技术分析理论 | 第21-25页 |
| ·k线理论 | 第21-22页 |
| ·道氏理论 | 第22-23页 |
| ·技术指标分析理论 | 第23-24页 |
| ·相对强弱指标(RSI) | 第23-24页 |
| ·乖离率(BIAS) | 第24页 |
| ·威廉指标(R％) | 第24页 |
| ·技术分析理论的优点与不足 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 人工神经元网络理论 | 第26-37页 |
| ·人工神经元网络的起源与发展 | 第26-27页 |
| ·人工神经元网络的基本模型 | 第27-33页 |
| ·人工神经元模型 | 第28-29页 |
| ·基本的人工神经元网络模型 | 第29-32页 |
| ·基本的神经网络学习规则 | 第32-33页 |
| ·人工神经元网络在经济领域的分析方法 | 第33-35页 |
| ·直接分析 | 第33-34页 |
| ·非直接分析 | 第34-35页 |
| ·神经网络用于股票分析的优点 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 神经网络股票分析模型 | 第37-51页 |
| ·神经网络股票分析模型建立的思想 | 第37页 |
| ·神经网络股票分析指标体系设计 | 第37-43页 |
| ·指标体系建立的原则 | 第37-38页 |
| ·股票分析指标体系建立的思想 | 第38-39页 |
| ·指标体系的基本结构 | 第39-41页 |
| ·指标体系具体内容 | 第41-42页 |
| ·指标体系指标量化方法 | 第42-43页 |
| ·神经网络股票分析算法模型选择与网络配置 | 第43-49页 |
| ·BP算法 | 第43-46页 |
| ·BP算法学习流程 | 第46-47页 |
| ·神经网络股票分析模型网络配置 | 第47-49页 |
| ·神经网络股票分析模型输出 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 神经网络股票分析模型软件实现的逻辑设计 | 第51-61页 |
| ·设计思想 | 第51页 |
| ·功能结构设计 | 第51-54页 |
| ·系统功能模块 | 第52-53页 |
| ·系统数据流程图 | 第53-54页 |
| ·数据库设计 | 第54-58页 |
| ·网络学习过程设计 | 第58-60页 |
| ·内层循环模块流程 | 第58-60页 |
| ·外层循环模块流程 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第6章 实证分析 | 第61-73页 |
| ·样本选择 | 第61-63页 |
| ·样本数据处理 | 第63-64页 |
| ·神经网络的训练 | 第64-66页 |
| ·神经网络的应用 | 第66-68页 |
| ·综合应用 | 第68-72页 |
| ·研究展望 | 第72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附录 | 第81-86页 |
