基于时间序列分析的沪深300指数收盘价预测分析
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 差分自回归移动平均模型研究现状 | 第13-14页 |
| 1.2.2 长短时记忆网络研究现状 | 第14-15页 |
| 1.2.3 奇异谱分析研究现状 | 第15-16页 |
| 1.3 研究内容及框架 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 论文框架 | 第16-18页 |
| 第二章 差分自回归移动平均模型 | 第18-24页 |
| 2.1 平稳时间序列 | 第18-20页 |
| 2.2 自回归模型 | 第20页 |
| 2.3 移动平均模型 | 第20页 |
| 2.4 自回归移动平均模型 | 第20-21页 |
| 2.5 差分自回归移动平均模型的建模过程 | 第21-24页 |
| 第三章 长短时记忆网络 | 第24-30页 |
| 3.1 长记忆性及其识别 | 第24-25页 |
| 3.2 长短时记忆网络 | 第25-30页 |
| 3.2.1 循环神经网络简介 | 第25-26页 |
| 3.2.2 长短时记忆网络简介 | 第26-30页 |
| 第四章 时间序列分解 | 第30-36页 |
| 4.1 时间序列分解简述 | 第30-31页 |
| 4.2 奇异谱分析 | 第31-36页 |
| 4.2.1 嵌入 | 第31页 |
| 4.2.2 奇异值分解 | 第31-33页 |
| 4.2.3 分组 | 第33页 |
| 4.2.4 重构 | 第33-36页 |
| 第五章 实证分析 | 第36-56页 |
| 5.1 实证数据 | 第36-37页 |
| 5.1.1 数据选取 | 第36页 |
| 5.1.2 整体数据描述 | 第36-37页 |
| 5.2 未分解序列ARIMA建模 | 第37-42页 |
| 5.3 未分解序列LSTM建模 | 第42-45页 |
| 5.3.1 长记忆检验及数据处理 | 第42-43页 |
| 5.3.2 模型建立 | 第43-45页 |
| 5.4 分解序列LSTM-ARMA建模 | 第45-53页 |
| 5.4.1 奇异谱分析 | 第45-47页 |
| 5.4.2 趋势项LSTM建模 | 第47-48页 |
| 5.4.3 波动项ARMA建模 | 第48-52页 |
| 5.4.4 分解序列LSTM-ARMA建模 | 第52-53页 |
| 5.5 模型比较 | 第53-54页 |
| 5.6 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 附录 | 第58-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
