基于混合神经网络的股票预测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·文献综述 | 第9-12页 |
| ·研究内容 | 第12页 |
| ·研究框架与论文结构 | 第12-14页 |
| 第二章 股市预测的问题分析 | 第14-19页 |
| ·股市预测面临的问题 | 第14-15页 |
| ·股市预测方法的分析 | 第15-18页 |
| ·证券投资分析法 | 第15-16页 |
| ·时间序列分析法 | 第16-17页 |
| ·非线性系统分析法 | 第17-18页 |
| ·混合预测法 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 人工神经网络基本理论与实验分析 | 第19-38页 |
| ·人工神经元模型 | 第19-22页 |
| ·神经元的数学模型 | 第19-21页 |
| ·神经元的激励函数 | 第21-22页 |
| ·人工神经网络模型 | 第22-24页 |
| ·网络拓扑结构类型 | 第23页 |
| ·网络信息流向类型 | 第23-24页 |
| ·神经网络的学习过程 | 第24-25页 |
| ·BP网络 | 第25-30页 |
| ·BP网络的结构与算法 | 第25-29页 |
| ·BP网络的缺点 | 第29-30页 |
| ·其它几种典型的神经网络模型 | 第30页 |
| ·实验分析 | 第30-37页 |
| ·实验数据 | 第30-31页 |
| ·实验数据的预处理 | 第31-33页 |
| ·实验结果的评价准则 | 第33-34页 |
| ·实验结果及分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于小波神经网络的股市预测模型 | 第38-45页 |
| ·小波神经网络的结构与算法 | 第38-39页 |
| ·小波神经网络的改进 | 第39-41页 |
| ·动量法 | 第39-40页 |
| ·delta学习方法 | 第40-41页 |
| ·实验分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 混合线性和非线性神经网络模型 | 第45-57页 |
| ·基于MCMC的ARIMA线性模型预测方法 | 第45-50页 |
| ·建立ARMA模型 | 第46页 |
| ·基于MCMC方法的贝叶斯ARMA模型分析 | 第46-50页 |
| ·预测 | 第50页 |
| ·混合线性和非线性神经网络模型预测 | 第50-51页 |
| ·实验分析 | 第51-56页 |
| ·基于MCMC的ARIMA线性预测方法的实验分析 | 第52-54页 |
| ·混合神经网络模型预测 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |
