基于小波分析的神经网络股票预测研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 本文研究背景 | 第8-9页 |
| 1.2 股票预测方法的发展 | 第9-10页 |
| 1.2.1 结构计量模型阶段 | 第9页 |
| 1.2.2 时间序列分析阶段 | 第9-10页 |
| 1.2.3 数据挖掘分析阶段 | 第10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 研究目的及意义 | 第11-12页 |
| 1.5 本文组织结构 | 第12-14页 |
| 第二章 神经网络技术理论基础 | 第14-21页 |
| 2.1 神经网络概述 | 第14-16页 |
| 2.1.1 人工神经网络概念的提出 | 第14-15页 |
| 2.1.2 人工神经元模型 | 第15-16页 |
| 2.2 静态BP神经网络基本理论 | 第16-18页 |
| 2.2.1 BP学习规则 | 第16-18页 |
| 2.2.2 BP网络的局限性及改进 | 第18页 |
| 2.3 动态神经网络基本理论 | 第18-20页 |
| 2.3.1 Elman神经网络模型 | 第19页 |
| 2.3.2 Elman神经网络的学习 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 小波分析基本理论 | 第21-25页 |
| 3.1 小波分析理论概述 | 第21页 |
| 3.2 小波变换 | 第21-22页 |
| 3.3 多尺度分析和Mallat算法 | 第22-24页 |
| 3.4 本章小结 | 第24-25页 |
| 第四章 基于小波分析的动态神经网络股票预测研究 | 第25-33页 |
| 4.1 股票价格预测的基本思想 | 第25页 |
| 4.2 样本选取和数据划分 | 第25-27页 |
| 4.2.1 研究样本的选取 | 第25-26页 |
| 4.2.2 样本数据划分 | 第26-27页 |
| 4.3 小波分析的指标选择 | 第27-30页 |
| 4.3.1 小波基函数的选择 | 第27-28页 |
| 4.3.2 小波分解层数的选择 | 第28-30页 |
| 4.4 神经网络结构设计 | 第30-32页 |
| 4.4.1 网络算法的改进 | 第30-31页 |
| 4.4.2 网络拓扑结构 | 第31页 |
| 4.4.3 网络参数设计 | 第31-32页 |
| 4.4.4 数据预处理 | 第32页 |
| 4.5 本章小结 | 第32-33页 |
| 第五章 预测模型的仿真研究及比较分析 | 第33-41页 |
| 5.1 基于小波分析的动态神经网络股票预测模型 | 第33-37页 |
| 5.1.1 原始序列的小波分解与重构 | 第33页 |
| 5.1.2 低频序列和高频序列的建模预测 | 第33-37页 |
| 5.2 基于小波分析的BP神经网络股票预测模型 | 第37-38页 |
| 5.3 基于静态BP神经网络股票预测模型 | 第38页 |
| 5.4 预测结果误差比较 | 第38-40页 |
| 5.5 本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 6.1 本文总结 | 第41页 |
| 6.2 对未来研究工作的展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 在读期间公开发表论文（著）及科研情况 | 第47页 |
