摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 引言 | 第9-13页 |
·课题的提出及背景 | 第9-10页 |
·研究现状 | 第10页 |
·模糊神经网络发展概述 | 第10-11页 |
·主要工作和安排 | 第11-12页 |
·文章结构 | 第12-13页 |
2 时间序列模型 | 第13-20页 |
·引言 | 第13页 |
·时间序列的几个基本概念 | 第13-15页 |
·平稳性 | 第13页 |
·相关系数和自相关函数 | 第13-14页 |
·白噪声与线性时间序列 | 第14-15页 |
·随机模型及其预报 | 第15-20页 |
·线性平稳模型 | 第15-17页 |
·线性非平稳模型 | 第17-18页 |
·经典时间序列建模的一般步骤 | 第18页 |
·自回归条件异方差ARCH模型 | 第18-20页 |
3 模糊神经网络理论 | 第20-24页 |
·引言 | 第20页 |
·模糊系统的Takagi ? sugeno模型 | 第20-24页 |
·系统结构 | 第21-22页 |
·学习算法 | 第22-24页 |
4 基于模糊神经网络与SARIMA 结合的时间序列预测模型 | 第24-29页 |
·引言 | 第24页 |
·混合模型 | 第24页 |
·实验 | 第24-28页 |
·数据及预处理 | 第24-25页 |
·建立模型 | 第25页 |
·参数选择 | 第25-26页 |
·评价标准 | 第26-27页 |
·实验结果及分析 | 第27-28页 |
·本章小结 | 第28-29页 |
5 基于模糊神经网络的金融时间序列预测模型 | 第29-35页 |
·引言 | 第29页 |
·ARCH模型 | 第29-30页 |
·ARCH效应检验 | 第29-30页 |
·ARCH模型的参数估计 | 第30页 |
·ARCH模型的预测 | 第30页 |
·GARCH模型 | 第30-31页 |
·混合模型 | 第31页 |
·实验 | 第31-34页 |
·数据及预处理 | 第31-32页 |
·建立模型 | 第32页 |
·参数选择 | 第32-33页 |
·实验结果及分析 | 第33-34页 |
·本章小结 | 第34-35页 |
6 结论与展望 | 第35-37页 |
·结论 | 第35页 |
·展望 | 第35-37页 |
参考文献 | 第37-39页 |
致谢 | 第39-40页 |
附录 攻读硕士学位期间发表的学术论文 | 第40页 |