| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 几个重要概念 | 第12-13页 |
| 1.3.1 时间序列 | 第12-13页 |
| 1.3.2 二元ARFIMA模型 | 第13页 |
| 1.4 论文框架体系 | 第13-15页 |
| 2 去趋势互相关分析 | 第15-27页 |
| 2.1 互相关 | 第15-16页 |
| 2.1.1 互相关定义 | 第15页 |
| 2.1.2 互相关函数性质 | 第15-16页 |
| 2.2 传统互相关分析方法 | 第16-17页 |
| 2.3 去趋势互相关分析 | 第17-22页 |
| 2.3.1 去趋势波动分析 | 第17-18页 |
| 2.3.2 去趋势互相关分析 | 第18-19页 |
| 2.3.3 基于DFA、DCCA算法的去趋势互相关分析 | 第19-22页 |
| 2.4 基于EMD的去趋势互相关分析 | 第22-26页 |
| 2.4.1 EMD算法 | 第23页 |
| 2.4.2 基于EMD算法的去趋势互相关分析 | 第23-26页 |
| 2.5 小结 | 第26-27页 |
| 3 基于奇异谱分析的时间序列互相关分析 | 第27-36页 |
| 3.1 SSA算法 | 第27-28页 |
| 3.2 基于SSA算法的去趋势互相关分析 | 第28-33页 |
| 3.2.1 基于SSA的去线性趋势互相关分析 | 第29-31页 |
| 3.2.2 基于SSA的去指数型趋势互相关分析 | 第31-33页 |
| 3.3 参数选取及SSA和EMD的对比分析 | 第33-34页 |
| 3.3.1 SSA的参数选取 | 第33页 |
| 3.3.2 SSA和EMD去除趋势后的DFA和DCCA结果对比分析 | 第33-34页 |
| 3.4 小结 | 第34-36页 |
| 4 总结与展望 | 第36-38页 |
| 4.1 本文总结 | 第36页 |
| 4.2 展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 攻读硕士学位期间发表学术论文情况 | 第41-42页 |
| 致谢 | 第42页 |