| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第8-12页 |
| 1 绪论 | 第12-21页 |
| ·研究背景和意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·关于股价可预测问题的文献综述 | 第14-15页 |
| ·关于预测方法的文献综述 | 第15-18页 |
| ·研究内容和框架 | 第18-21页 |
| ·研究内容 | 第18-19页 |
| ·研究框架 | 第19-21页 |
| 2 BP神经网络概述 | 第21-28页 |
| ·人工神经网络的构成 | 第21-22页 |
| ·神经元特性 | 第21-22页 |
| ·网络结构 | 第22页 |
| ·学习算法 | 第22页 |
| ·BP神经网络结构 | 第22-23页 |
| ·BP神经网络的算法 | 第23-26页 |
| ·信号的正向传播 | 第23-24页 |
| ·误差的反向传播 | 第24-26页 |
| ·BP神经网络的优势与缺陷 | 第26-28页 |
| ·在股价预测方面BP神经网络所具有的优势 | 第26页 |
| ·BP神经网络自身的缺陷 | 第26-28页 |
| 3 指标与板块的选取 | 第28-38页 |
| ·交易类指标与财务类指标的选取 | 第28-34页 |
| ·交易类指标 | 第29-32页 |
| ·财务类指标 | 第32-34页 |
| ·军工板块的选取 | 第34-38页 |
| ·选取原因 | 第34-35页 |
| ·军工板块分类 | 第35-38页 |
| 4 模型的建立 | 第38-46页 |
| ·主成分分析法 | 第38-39页 |
| ·主成分分析法的基本原理 | 第38页 |
| ·主成分分析法的计算步骤 | 第38-39页 |
| ·BP算法优化 | 第39-42页 |
| ·思维进化算法的系统结构 | 第39-41页 |
| ·思维进化算法步骤 | 第41页 |
| ·思维进化算法对BP神经网络权值阈值的优化过程 | 第41-42页 |
| ·模型设计与预期结果 | 第42-46页 |
| ·综合模型的建立 | 第42-45页 |
| ·对比模型的建立 | 第45-46页 |
| 5 实证分析 | 第46-72页 |
| ·数据的选择 | 第46页 |
| ·数据的预处理 | 第46-50页 |
| ·主成分分析 | 第46-50页 |
| ·数据归一化处理 | 第50页 |
| ·模型参数的确定 | 第50-59页 |
| ·隐含层的确定 | 第50-52页 |
| ·学习率的确定 | 第52-53页 |
| ·传递函数的确定 | 第53-55页 |
| ·训练函数的确定 | 第55-57页 |
| ·模型优化 | 第57-59页 |
| ·实证结果分析与检验 | 第59-62页 |
| ·BP神经网络预测效果评价指标 | 第59页 |
| ·经过主成分分析和思维进化算法优化的BP神经网络预测结果 | 第59-62页 |
| ·采用不同模型的预测结果比较 | 第62-67页 |
| ·无降维模型的预测结果 | 第62-63页 |
| ·无优化模型的预测结果 | 第63-64页 |
| ·交易类模型的预测结果 | 第64-65页 |
| ·财务类模型预测结果 | 第65-66页 |
| ·不同结果间的比较与分析 | 第66-67页 |
| ·综合模型预测的准确率 | 第67-70页 |
| ·方向正确率 | 第68页 |
| ·用2015年10月30日数据验证 | 第68-70页 |
| ·样本数量与预测结果准确性的关系 | 第70-72页 |
| 6 结论与展望 | 第72-73页 |
| ·研究的结论 | 第72页 |
| ·研究的展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录A | 第76-82页 |
| 附录B | 第82-85页 |
| 素引 | 第85-86页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第86-88页 |
| 学位论文数据集 | 第88页 |