| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·选题背景及意义 | 第10-12页 |
| ·国内外研究现状综述及评价 | 第12-16页 |
| ·主要研究内容与创新点 | 第16-17页 |
| ·主要研究内容 | 第16-17页 |
| ·创新点 | 第17页 |
| ·研究方法与研究思路 | 第17-19页 |
| ·研究方法 | 第17页 |
| ·研究思路 | 第17-19页 |
| 第二章 金融高频时间序列的典型特征及实证研究 | 第19-28页 |
| ·金融高频时间序列的典型特征 | 第19-21页 |
| ·高频时间序列的高峰厚尾性 | 第19页 |
| ·高频时间序列的自相关性 | 第19-20页 |
| ·高频时间序列的日历性 | 第20页 |
| ·高频时间序列的长记忆性 | 第20-21页 |
| ·高频时间序列的杠杆效应 | 第21页 |
| ·我国股市高频时间序列典型特征实证分析 | 第21-27页 |
| ·数据来源 | 第21-22页 |
| ·基本统计量简介 | 第22-23页 |
| ·典型特征实证分析 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 金融高频时间序列波动率度量模型 | 第28-53页 |
| ·“已实现”波动率 | 第28-29页 |
| ·“已实现”波动率理论 | 第28-29页 |
| ·最优抽样频率 | 第29页 |
| ·ARCH 类模型 | 第29-31页 |
| ·ARCH 模型 | 第29-30页 |
| ·TARCH 模型 | 第30-31页 |
| ·ARFIMA 模型 | 第31-32页 |
| ·乘积误差模型（MEM） | 第32-37页 |
| ·单变量 MEM | 第33-36页 |
| ·多变量 MEM | 第36-37页 |
| ·我国沪深 300 指数波动率度量模型的建立与预测 | 第37-51页 |
| ·TARCH 模型的建立与预测 | 第38-41页 |
| ·ARFIMA 模型的建立与预测 | 第41-46页 |
| ·MEM 的建立与预测 | 第46-51页 |
| ·三种模型预测效果比较 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于 MEM 的 VaR 估计 | 第53-59页 |
| ·VaR 理论 | 第53-54页 |
| ·基于 MEM 的参数法 VaR 模型 | 第54页 |
| ·VaR 风险度量的准确性检验 | 第54-55页 |
| ·实证研究 | 第55-58页 |
| ·基于 MEM 的 VaR 的计算 | 第55-57页 |
| ·基于 MEM 的 VaR 模型的准确性检验 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |