股指波动预测模型的方法研究及应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

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

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