| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-11页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 研究框架 | 第10-11页 |
| 1.3 创新与不足 | 第11页 |
| 2 文献综述 | 第11-15页 |
| 2.1 国外文献综述 | 第11-13页 |
| 2.2 国内文献综述 | 第13-15页 |
| 3 分整性检验、模型和估计方法 | 第15-27页 |
| 3.1 分整时间序列定义 | 第15-17页 |
| 3.2 长记忆性检验方法 | 第17-19页 |
| 3.2.1 KPSS检验 | 第18-19页 |
| 3.3 分整模型原理 | 第19-21页 |
| 3.3.1 FDN模型 | 第19-20页 |
| 3.3.2 ARFIMA模型 | 第20-21页 |
| 3.3.3 ARFIMA-GARCH模型 | 第21页 |
| 3.4 半参数估计方法 | 第21-25页 |
| 3.4.1 GPH估计方法及其扩展 | 第22-23页 |
| 3.4.2 Sperio估计方法 | 第23页 |
| 3.4.3 LocalWhittle估计法及其扩展 | 第23-25页 |
| 3.5 分数阶差分过程 | 第25-27页 |
| 4 应用研究 | 第27-44页 |
| 4.1 宏观经济序列分整应用 | 第27-36页 |
| 4.1.1 分整与单整模型比较 | 第27-31页 |
| 4.1.2 CPI序列的分整方法比较 | 第31-35页 |
| 4.1.3 小结 | 第35-36页 |
| 4.2 股票指数价格的分整应用 | 第36-44页 |
| 4.2.1 数据选取和描述性分析 | 第36-38页 |
| 4.2.2 序列的平稳性检验和分整性判断 | 第38页 |
| 4.2.3 分整参数估计 | 第38-39页 |
| 4.2.4 分整结果建模比较 | 第39-43页 |
| 4.2.5 小结 | 第43-44页 |
| 5 结论 | 第44-46页 |
| 5.1 Sperio和ELW优于GPH | 第44页 |
| 5.2 分整优于单整 | 第44-45页 |
| 5.3 需要进一步研究的问题 | 第45-46页 |
| 6 参考文献 | 第46-49页 |
| 致谢 | 第49页 |