图书介绍
股指波动预测模型的方法研究及应用PDF|Epub|txt|kindle电子书版本网盘下载
- 沈巍著 著
- 出版社： 北京：知识产权出版社
- ISBN：9787513006743
- 出版时间：2011
- 标注页数：151页
- 文件大小：13MB
- 文件页数：163页
- 主题词：股票指数－经济波动－经济预测－经济模型－研究
PDF下载
下载说明
股指波动预测模型的方法研究及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1研究背景及意义1
1.1.1研究背景1
1.1.2研究意义4
1.2国内外研究现状5
1.2.1基于统计原理的传统型股票指数波动预测模型研究5
1.2.2基于非统计原理的创新型股票指数波动预测模型研究7
1.2.3神经网络的优化研究9
1.2.4数据挖掘与知识挖掘研究11
1.2.5国内外研究动态总结12
1.3论文研究内容13
1.4研究方法15
1.5论文创新点16
第2章 股指预测的特点及影响因素分析18
2.1股指波动的特点18
2.1.1股票指数数据的噪声18
2.1.2股指波动的非线性特征18
2.1.3股指波动受投资者心理影响19
2.1.4股指波动具有政策性特征19
2.2影响股指波动的主要因素19
2.2.1宏观经济因素20
2.2.2技术指标因素22
2.2.3心理因素28
2.3股指预测模型的功能与特点30
2.3.1具有并行处理大量非线性数据的功能30
2.3.2具有自主学习、自我调整的功能30
2.3.3具有多指标同时输入的功能30
2.3.4具有处理非量化文本因素的功能31
2.4本章小结31
第3章 股指预测模型概述32
3.1基于统计原理的传统型股指预测模型32
3.1.1 GARCH模型32
3.1.2 SV模型34
3.2基于非统计原理的创新型股指预测模型36
3.2.1灰色GM （1， 1）模型36
3.2.2 BP神经网络39
3.2.3 RBF神经网络42
3.2.4 BP与RBF神经网络性能比较43
3.2.5支持向量机预测模型44
3.3本章小结47
第4章 统计类预测模型与创新类预测模型比较49
4.1理论比较49
4.1.1建模的理论基础不同49
4.1.2对数据的要求不同50
4.1.3对数据的处理方法不同50
4.1.4模型结构的稳定性与适应性不同51
4.1.5预测精准度不同51
4.1.6预测难度与预测时间长度不同51
4.2实证比较52
4.2.1单一指标预 测52
4.2.2多指标组合预测56
4.3神经网络在股指预测中的局限性59
4.4本章小结61
第5章 基于生物进化算法优化的神经网络股指预测模型与实证63
5.1遗传算法优化的神经网络股指预测模型63
5.1.1遗传算法的概述63
5.1.2遗传算法的基本步骤64
5.1.3遗传算法的特点65
5.1.4建立遗传算法优化神经网络股指预测模型65
5.2粒子群算法优化的神经网络股指预测模型67
5.2.1粒子群算法基本流程67
5.2.2粒子群算法的特点69
5.2.3建立粒子群算法优化神经网络股指预测模型69
5.3鱼群算法优化的神经网络股指预测模型70
5.3.1人工鱼群算法的流程71
5.3.2人工鱼群算法的特点71
5.3.3建立人工鱼群算法优化神经网络股指预测模型72
5.4三种算法的比较分析73
5.5基于优化算法的RBF股指预测实证分析73
5.6本章小结75
第6章 基于数据挖掘的神经网络股指预测模型与实证76
6.1数据挖掘概述76
6.1.1数据挖掘理论77
6.1.2数据挖掘的功能77
6.1.3数据挖掘的过程79
6.2基于数据挖掘的RBF +AFSA神经网络股指预测模型与实证80
6.2.1建立RBF +AFSA神经网络股指预测模型80
6.2.2输入数据的挖掘与处理85
6.2.3单一指标股指预测实证分析87
6.2.4优化组合指标股指预测实证分析90
6.2.5不同预测模型预测结果比较分析93
6.3基于数据挖掘的GA-BP神经网络股指预测模型与实证95
6.3.1建立GA-BP神经网络股指预测模型95
6.3.2输入数据的挖掘与处理97
6.3.3单一指标股指预测实证分析98
6.3.4优化组合指标股指预测实证分析99
6.4本章小结101
第7章 基于知识挖掘的神经网络股指预测模型与实证103
7.1知识挖掘概述103
7.1.1知识挖掘的流程104
7.1.2知识挖掘的方法105
7.2基于知识挖掘的FPBP神经网络的股指预测模型与实证111
7.2.1建立基于知识挖掘的FPBP股指预测模型111
7.2.2样本及变量选择113
7.2.3 FP-Tree关联规则挖掘过程114
7.2.4基于知识挖掘的FPBP神经网络预测119
7.2.5模型的缺陷及适度处理123
7.3基于知识挖掘的REPTree + RBF + AFSA的股指预测模型与实证124
7.3.1建立基于知识挖掘的REPTree + RBF + AFSA股指预测模型124
7.3.2文本因素的相关性分析126
7.3.3引入文本因素后的REPTree + RBF + AFSA股指预测实证分析129
7.4本章小结135
第8章 结论与展望136
8.1结论136
8.2研究不足与展望138
参考文献139
攻读博士学位期间发表的主要论文及科研148
致谢150