| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10-11页 |
| ·主要研究内容及论文架构 | 第11-13页 |
| 第二章 股价短期预测基本理论与方法 | 第13-19页 |
| ·影响股票价格的因素 | 第13-14页 |
| ·股票价格预测的难点 | 第14-15页 |
| ·股票价格预测常用的技术方法 | 第15-18页 |
| ·传统分析方法 | 第15-16页 |
| ·时间序列分析法 | 第16-17页 |
| ·神经网络预测法 | 第17页 |
| ·其他几种预测方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 BP 神经网络和主成分分析 | 第19-29页 |
| ·BP 神经网络模型及其特征 | 第19-22页 |
| ·BP 神经网络模型 | 第19-21页 |
| ·BP 神经网络的特征 | 第21-22页 |
| ·BP 神经网络模型在股票价格短期预测中的优势和问题 | 第22-23页 |
| ·BP 神经网络维数约减 | 第23-24页 |
| ·维数约减的常用方法 | 第24页 |
| ·主成分分析法原理简介 | 第24-25页 |
| ·相关主成分分析法原理 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于遗传算法优化的 BP 神经网络模型 | 第29-37页 |
| ·遗传算法的概念和原理 | 第29-34页 |
| ·遗传算法的基本概念 | 第29页 |
| ·遗传算法的原理和基本操作 | 第29-31页 |
| ·遗传算法的流程 | 第31-33页 |
| ·遗传算法的优点 | 第33-34页 |
| ·遗传神经网络模型 | 第34-36页 |
| ·遗传神经网络概念 | 第34页 |
| ·遗传神经网络模型的构建 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 股票价格短期预测综合模型的实现 | 第37-43页 |
| ·模型总体设计 | 第37-38页 |
| ·模型详细实现 | 第38-42页 |
| ·输入向量维数约减部分 | 第38-40页 |
| ·遗传算法优化 BP 神经网络模型部分 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 实验及结果分析 | 第43-62页 |
| ·性能评价指标 | 第43页 |
| ·维数约减方法对比实验 | 第43-53页 |
| ·实验指标的选取 | 第43-46页 |
| ·主成分分析优化的 BP 神经网络预测模型实证分析 | 第46-51页 |
| ·相关主成分分析优化的 BP 神经网络预测模型实证分析 | 第51-52页 |
| ·误差分析 | 第52-53页 |
| ·遗传算法优化 BP 神经网络对比实验 | 第53-58页 |
| ·遗传算法优化的 BP 神经网络训练过程 | 第53-54页 |
| ·BP 神经网络训练过程 | 第54-58页 |
| ·误差分析 | 第58页 |
| ·综合预测模型实验 | 第58-61页 |
| ·实验结果 | 第58-60页 |
| ·误差分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·不足与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在学期间发表的论著及取得的科研成果 | 第68-69页 |
| 附录 | 第69-73页 |
