介绍金融和经济学中的小波和其他滤波方法。阿姆斯特丹：Elsevier，第1版。Gibson，J.、Segbroeck，M.V.、Ortega，A.、Georgiou，P.G.、andNarayanan，S.（2013）。用于自动语音识别的光谱-时间方向导数特征。《国际语音通信协会第14届年会会议记录》（INTERSPEECH 2013），第872-875页。Glorot，X.和Bengio，Y.（2010年）。了解训练深度前馈神经网络的难度。在Teh，Y.W.andTitterington，M.，编辑，《第十三届国际艺术智能与统计会议论文集》（AISTATS10），机器学习研究论文集第9卷，第249-256页。PMLR。G’orecki，T.和Luczak，M.（2013年）。在时间序列分类中使用导数。数据挖掘和知识发现，26（2）：310–331。何，K.，张，X.，任，S.，和孙，J.（2015）。深入挖掘指导员：在ImageNet分类方面超越人类水平的表现。2015年IEEE国际计算机视觉会议记录（ICCV），第1026-1034页。Hinton，G.E.和Salakhutdinov，R.R.（2006）。利用神经网络降低数据的维数。《科学》，313（5786）：504-507。Hinton，G.E.、Srivastava，N.、Krizhevsky，A.、Sutskever，I.、Salakhutdinov，R.（2012）。通过防止特征检测器的共同自适应来改进神经网络。Computing ResearchRepository，abs/1207.0580。Ho，T.S.Y.和Stoll，H.R.（1983）。经销商市场在竞争中的动态。《金融杂志》，38（4）：1053–1074。霍尔特，C.C.（1957）。按指数加权平均值预测趋势和季节。海军研究办公室备忘录52，卡内基理工学院。Kendall，M.G.和Hill，A.B.（1953年）。经济学时间序列分析第一部分：价格。

皇家统计学会杂志。系列A（概述），116（1）：11–34。Lin，X.，Yang，Z.，和Song，Y.（2009）。基于回声状态网络的短期股价预测。专家系统与应用，36（1）：7313–7317。Lo，A.W.（2004）。适应性市场假说：从进化角度看市场效率。《港口管理杂志》，30（1）：15–9。Lo，A.W.和MacKinlay，A.C.（1987）。股票市场价格不遵循随机游走：来自简单规格测试的证据。工作文件2168，国家经济研究局。Malagrino，L.S.，Roman，N.T.，和Monteiro，A.M.（2018）。预测股市指数日走势：贝叶斯网络方法。专家系统与应用，105:11–22。Malkiel，B.G.（1973年）。华尔街上的随机漫步。纽约：W.W.Norton&Company，股份有限公司McGill，R.，Tukey，J.W.，和Larsen，W.A.（1978）。箱型图的变化。《美国统计学家》，32（1）：12–16。Menkveld，A.J.（2013）。高频交易和新的做市商。《金融市场杂志》，16（4）：712–740。Mierswa，I.和Morik，K.（2005年）。用于音频数据分类的自动特征提取。机器学习，58（2）：127–149。Nahmias，S.（2009）。生产和运营分析。波士顿和纽约：麦克劳希尔/欧文运营与决策科学系列。Najafabadi，M.M.，Villanustre，F.，Khoshgoftaar，T.M.，Seliya，N.，和Muharemagic，R.W.E.（2015）。大数据分析中的深度学习应用程序和挑战。《大数据杂志》，2（1）：1-21。Nason，G.P.和von Sachs，R.（1999年）。时间序列分析中的小波。卢万天主教大学-统计研究所论文系列，（9901）。Nassirtoussi，A.K.，Aghabozorgi，S.，Wah，T.Y.，和Ngo，D.C.（2014）。市场预测文本挖掘：系统综述。应用专家系统，41（16）：7653–7670。Nesreen，A.、Atiya，A.、Gayar，N。

E、 和El Shishiny，H.（2010）。时间序列预测机器学习模型的统计比较。计量经济学评论，29（5-6）：594-621。Ng，A.（2012）。通过大脑模拟实现机器学习和人工智能。第26届神经信息处理系统年会论文集（NeurIPS 2012）。Perryman，A.A.、Butler，F.C.、Martin，J.A.和Ferris，G.R.（2010）。首席执行官生病时：保持沉默还是公开？商业视野，53（1）：21–29。Saad，E.W.，Prokhorov，D.V.，和Wunsch，D.C.（1998）。利用时滞、递归和概率神经网络进行股票趋势预测的比较研究。IEEE神经网络学报，9（6）：1456–1470。Seni，G.和Elder，J.（2010）。数据挖掘中的集成方法：通过组合预测提高准确性。加利福尼亚州圣拉斐尔：摩根和克莱普尔。Sitte，R.和Sitte，J.（2002年）。金融时间序列随机游走困境的神经网络方法。应用智能，16（3）：163–171。Skabar，A.和Cloete，I.（2002年）。神经网络、金融交易和有效市场假说。《第24届澳大利亚计算机科学会议记录》，第241-249页。Srivastava，N.、Hinton，G.、Krizhevsky，A.、Sutskever，I.、Salakhutdinov，R.（2014）。辍学：一种防止神经网络过度拟合的简单方法。机器学习研究杂志，15:1929-1958。Summers，L.H.（1986）。股票市场是否合理地反映了基本价值观？《金融杂志》，41（3）：591–601。Takeuchi，L.和Lee，Y-Y.A.（2013年）。运用深度学习提高股票动量交易策略。工作文件。Wasserstein，R.L.和Lazar，N.A.（2016）。ASA关于P价值观的声明：背景、过程和目的。《美国统计学家》，70（2）：129–133。Weng，B.、Lu，L.、Wang，X.、Megahed，F.M.和Martinez，W.（2018）。

使用集成方法和在线数据源预测短期股价。专家系统与应用，112:258–273。White，H.（1988年）。使用神经网络进行经济预测：IBM每日股票收益案例。IEEE 1988年神经网络国际会议记录，2:451–458。Zhang，G.，Patuwo，B.，和Hu，M.Y.（1997）。人工神经网络预测：最新技术。《国际预测杂志》，14（1）：35–62。Zhang，G.P.和Qi，M.（2005）。季节和趋势时间序列的神经网络预测。欧洲运筹学杂志，160（2）：501–514。Zhang，J.，Cui，S.，Xu，Y.，Li，Q.，和Li，T.（2018）。一种新型的数据驱动的股价趋势预测系统。专家系统与应用，97:60–69。Zhang，Y.和Wu，L.（2009）。将改进的BCO方法与BP神经网络相结合，对标准普尔500指数进行股市预测。专家系统及其应用，36（5）：8849–8854。