1. 毕业设计（论文）主要目标：
股票市场作为金融市场的一部分，一定程度上能及时反映整个社会的经济形势，对股票价格趋势判断的准确性对投资者的收益率造成较大影响，合理预测未来股票市场的价格趋势具有重要的现实意义。股票价格趋势具有非线性、混沌性，尤其是近年来高频交易的出现使其波动更为显著，其与诸多因素有关，如政治因素，经济情况，基本面因素，交易者心理预期等，这使得股票价格的走势波动愈加难于预估。本文的目标是设计基于灰色多因素提取的ELM-ARIMA组合算法。以极限学习机算法为核心，引入自回归移动平均模型。首先用灰色关联法对影响股指的因素进行选择，作为输入指标训练极限学习机，再对股票价格进行非线性预测的基础上，选取ARIMA模型对原有模型的预测结果进行残差矫正，提取线性信息，以解决单纯的极限学习机算法预测捕捉线性信息不充分的问题，为上证市场未来的股票价格趋势提供更为准确的预测结果。
2. 毕业设计（论文）主要内容：
数据预处理——数据归一化、计算灰色关联度选相关因素
建立模型——训练极限学习机，运用arima模型进行残差矫正
结果分析——预测未来股票价格趋势，选取较优方案
3. 主要参考文献
[1]A.Lendasse, E. D. Bodt, V. Wertz, and M. Verleysen, “Non-linear financial timeseries forecasting: application to the Bel 20 stock marketindex,” European Journal of Economic and Social Systems, vol. 14, pp.81–91, 2000.
[2]薛勇,郭菊娥,梁伟.股指期货预测模型构建及其应用效果分析[J].统计与决策,2009(13):19-22.
[3]AltafHossain,Mohammed Nasser. Comparison of the finite mixture of ARMA-GARCH, backpropagation neural networks and support-vector machines in forecastingfinancial returns[J]. Journal of Applied Statistics,2011,38(3).
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
