基于优化算法的股票预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.3 立题意义 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 第2章 股价预测的关键问题 | 第14-21页 |
| 2.1 引言 | 第14-15页 |
| 2.2 股价预测的可能性 | 第15-16页 |
| 2.3 股票的技术指标及常用方法 | 第16-18页 |
| 2.3.1 股票的技术指标 | 第16-17页 |
| 2.3.2 股票预测的常用方法 | 第17-18页 |
| 2.4 股价预测的基本步骤 | 第18页 |
| 2.5 股票预测面临的问题 | 第18-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 非线性最小二乘法预测股价 | 第21-26页 |
| 3.1 引言 | 第21页 |
| 3.2 非线性最小二乘法定义 | 第21-24页 |
| 3.3 非线性最小二乘法实现股价预测 | 第24页 |
| 3.4 本章小结 | 第24-26页 |
| 第4章 灰色预测法预测股价 | 第26-34页 |
| 4.1 引言 | 第26-27页 |
| 4.2 系统功能模拟与灰色分析 | 第27-29页 |
| 4.3 GM(1,1)模型 | 第29-30页 |
| 4.3.1 GM(1,1)的定义 | 第29-30页 |
| 4.3.2 GM(1,1)的白化型 | 第30页 |
| 4.4 灰色预测的基本步骤 | 第30-32页 |
| 4.5 灰色预测实现股价预测 | 第32-33页 |
| 4.6 本章小结 | 第33-34页 |
| 第5章 基于神经网络的股价预测 | 第34-50页 |
| 5.1 引言 | 第34-35页 |
| 5.2 基于BP神经网络的股票预测 | 第35-42页 |
| 5.2.1 BP神经网络结构 | 第35-36页 |
| 5.2.2 BP学习算法 | 第36-38页 |
| 5.2.3 隐含层节点数的确定 | 第38-39页 |
| 5.2.4 数据的归一化 | 第39-40页 |
| 5.2.5 BP神经网络预测股价的基本步骤 | 第40-41页 |
| 5.2.6 BP神经网络预测股价存在的问题 | 第41页 |
| 5.2.7 BP神经网络仿真预测分析 | 第41-42页 |
| 5.3 基于NNARX网络的股票预测 | 第42-49页 |
| 5.3.1 NNARX网络结构与辨识原理 | 第42-43页 |
| 5.3.2 训练算法及其出现的问题 | 第43-45页 |
| 5.3.3 改进的L-M算法分析 | 第45-47页 |
| 5.3.4 NNARX网络预测仿真结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 基于遗传算法的股票组合预测研究 | 第50-58页 |
| 6.1 引言 | 第50页 |
| 6.2 组合预测的基本原理 | 第50-51页 |
| 6.3 基于遗传算法的权值优化 | 第51-55页 |
| 6.3.1 遗传算法简介 | 第51-53页 |
| 6.3.2 遗传算法设计过程 | 第53-54页 |
| 6.3.3 权值优化 | 第54-55页 |
| 6.4 股票的组合预测实证分析 | 第55-57页 |
| 6.4.1 组合预测1及分析 | 第55-56页 |
| 6.4.2 组合预测2及分析 | 第56-57页 |
| 6.5 本章小结 | 第57-58页 |
| 第7章 总结与展望 | 第58-59页 |
| 7.1 总结 | 第58页 |
| 7.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63页 |
