| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-10页 |
| 第1章 导论 | 第10-17页 |
| 1.1 问题的提出 | 第10-12页 |
| 1.1.1 研究的背景 | 第10-11页 |
| 1.1.2 问题的提出 | 第11页 |
| 1.1.3 研究意义 | 第11-12页 |
| 1.2 期货价格预测的国内外相关研究评述 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 相关理论评价 | 第14页 |
| 1.3 本文主要研究内容 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究目标 | 第15页 |
| 1.3.3 解决的主要问题 | 第15-16页 |
| 1.3.4 技术路线 | 第16-17页 |
| 第2章 期货预测方法选取 | 第17-27页 |
| 2.1 基本假设 | 第17-19页 |
| 2.1.1 期货市场预测的可能性假设 | 第17页 |
| 2.1.2 期货市场预测的现实可能性 | 第17-19页 |
| 2.2 已实现的期货预测方法的特点及适用范围 | 第19-21页 |
| 2.2.1 投资分析方法 | 第19-20页 |
| 2.2.2 数据挖掘技术法 | 第20页 |
| 2.2.3 组合预测方法 | 第20-21页 |
| 2.3 期货市场预测存在的问题 | 第21页 |
| 2.3.1 预测方法和期货数据的特征不匹配 | 第21页 |
| 2.3.2 期货数据的高噪声 | 第21页 |
| 2.4 本文研究模型的构建 | 第21-27页 |
| 2.4.1 本模型的构建 | 第22页 |
| 2.4.2 本模型理论依据 | 第22-25页 |
| 2.4.3 本模型预测期货市场的可行性 | 第25-27页 |
| 第3章 原始期货数据预处理 | 第27-35页 |
| 3.1 期货数据预处理时考虑的因素 | 第27-29页 |
| 3.1.1 期货价格的构成要素 | 第27页 |
| 3.1.2 影响主要金属期货品种价格变动的因素 | 第27-29页 |
| 3.2 数据预处理方法的选取 | 第29-31页 |
| 3.2.1 数据预处理的模型分解 | 第29-30页 |
| 3.2.2 拟采用的预处理方法 | 第30-31页 |
| 3.3 期货预测连续数据的构建 | 第31页 |
| 3.3.1 实验数据的获得 | 第31页 |
| 3.3.2 从不连续的市场数据构建连续数据序列 | 第31页 |
| 3.4 对原始数据进行消噪 | 第31-33页 |
| 3.4.1 通货膨胀率调整 | 第32页 |
| 3.4.2 周期项消除 | 第32-33页 |
| 3.4.3 随机项滤波 | 第33页 |
| 3.5 数据预处理前后比较 | 第33-35页 |
| 3.5.1 直观比较 | 第33-34页 |
| 3.5.2 特征比较 | 第34-35页 |
| 第4章 主要金属品种预测模型的构建与实现 | 第35-47页 |
| 4.1 金属品种的选择 | 第35-36页 |
| 4.1.1 铜期货市场分析 | 第35页 |
| 4.1.2 铝期货和锌期货市场分析 | 第35-36页 |
| 4.2 铜期货预测模型的构建 | 第36-39页 |
| 4.2.1 预测模式的选取 | 第36-37页 |
| 4.2.2 建模辅助工具的选取 | 第37-38页 |
| 4.2.3 MATLAB下铜期货预测模型的构建 | 第38-39页 |
| 4.3 铜期货预测模型的实现 | 第39-43页 |
| 4.3.1 预测模型的训练 | 第40页 |
| 4.3.2 测试仿真 | 第40-41页 |
| 4.3.3 神经网络方法和其他定量分析法的实证比较 | 第41-43页 |
| 4.4 期货铝和期货锌的价格预测 | 第43-45页 |
| 4.4.1 核心代码的设计 | 第43-44页 |
| 4.4.2 参数设置及误差分析 | 第44页 |
| 4.4.3 数据反归一后的预测结果 | 第44-45页 |
| 4.5 本模型的评价 | 第45-47页 |
| 4.5.1 预测结果的分析 | 第45-46页 |
| 4.5.2 模型的推广性分析 | 第46-47页 |
| 第5章 预测中出现的问题及解决方法 | 第47-54页 |
| 5.1 预测实验中出现的异常情况 | 第47-48页 |
| 5.1.1 达到计算目标后，仿真精度不高 | 第47页 |
| 5.1.2 网络可以达到目标，但训练时间过长 | 第47页 |
| 5.1.3 达到最小的下降梯度，程序中止 | 第47-48页 |
| 5.2 算法的改进及实际效果比较 | 第48-51页 |
| 5.2.1 附加动量法 | 第48页 |
| 5.2.2 自适应学习速率法 | 第48-49页 |
| 5.2.3 L-M算法 | 第49页 |
| 5.2.4 三种解决方法仿真结果的比较 | 第49-51页 |
| 5.3 模型参数的再调整 | 第51-54页 |
| 5.3.1 网络结构调整 | 第51页 |
| 5.3.2 初始值调整 | 第51-52页 |
| 5.3.3 学习速率调整 | 第52页 |
| 5.3.4 期望误差调整 | 第52-54页 |
| 第6章 预测平台的设计与实现 | 第54-63页 |
| 6.1 可行性分析 | 第54-55页 |
| 6.1.1 功能分析 | 第54页 |
| 6.1.2 技术分析—Matlab与Visual C++的结合 | 第54-55页 |
| 6.2 VC++与MATLAB的接口技术 | 第55-57页 |
| 6.2.1 Matlab与VC++互连的方法 | 第55页 |
| 6.2.2 Matcom的工作原理 | 第55-57页 |
| 6.3 互连的具体实现 | 第57-58页 |
| 6.3.1 VC与Matcom的接口配置 | 第57页 |
| 6.3.2 将m文件编译后放入VC中 | 第57-58页 |
| 6.4 平台使用说明 | 第58-63页 |
| 6.4.1 网络训练 | 第59-61页 |
| 6.4.2 网络仿真 | 第61-63页 |
| 第7章 结论与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录1 | 第68-71页 |
| 附录2 | 第71-79页 |
| 攻读硕士学位期间参加的科研课题和发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |
