| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 金融高频数据的研究背景与意义 | 第8-9页 |
| 1.2 金融高频数据研究的发展 | 第9-13页 |
| 1.2.1 国外关于金融高频数据的研究 | 第9-11页 |
| 1.2.2 国内关于金融高频数据的研究 | 第11-13页 |
| 1.3 本文的选题依据、结构设计及方法、创新之处 | 第13-15页 |
| 1.3.1 选题依据 | 第13页 |
| 1.3.2 结构设计及方法 | 第13-14页 |
| 1.3.3 本文创新之处 | 第14-15页 |
| 1.4 本文数据来源 | 第15-16页 |
| 2 高频金融时间序列及其统计特征分析 | 第16-26页 |
| 2.1 金融高频数据基本统计量 | 第16-18页 |
| 2.1.1 常用的金融变量 | 第16-17页 |
| 2.1.2 基本统计量 | 第17-18页 |
| 2.2 金融高频数据的统计特征 | 第18-19页 |
| 2.3 统计分析 | 第19-25页 |
| 2.3.1 上证综指和深圳综指的高频收益率统计特征 | 第19-22页 |
| 2.3.2 一阶负相关性检验 | 第22-23页 |
| 2.3.3 “日历效应”检验 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 “已实现”双幂次变差及最优抽样频率 | 第26-39页 |
| 3.1 “已实现”波动率和“已实现”双幂次变差 | 第27-31页 |
| 3.1.1 “已实现”波动率 | 第27-28页 |
| 3.1.2 “已实现”双幂次变差RBK | 第28页 |
| 3.1.3 “已实现”双幂次变差的有效性 | 第28-31页 |
| 3.2 最优抽样频率的计算 | 第31-35页 |
| 3.2.1 “已实现”波动率的最优抽样频率 | 第31-32页 |
| 3.2.2 “已实现”双幂次变差的最优抽样频率 | 第32-35页 |
| 3.3 实证研究 | 第35-38页 |
| 3.3.1 “已实现”波动率和“已实现”双幂次变差的统计特征 | 第35-37页 |
| 3.3.2 最优抽样频率的实证分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 收益率和“已实现”双幂次变差的长记忆性分析 | 第39-47页 |
| 4.1 长记忆时间序列的定义 | 第39页 |
| 4.2 时间序列长记忆性检验 | 第39-44页 |
| 4.2.1 R/S分析法 | 第40-41页 |
| 4.2.2 修正的R/S分析法 | 第41-42页 |
| 4.2.3 KPSS检验 | 第42页 |
| 4.2.4 LM检验 | 第42-43页 |
| 4.2.5 对数周期图法(GPH方法) | 第43-44页 |
| 4.3 长记忆性的实证研究 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 5 我国股市连续性波动和跳跃性波动实证研究 | 第47-60页 |
| 5.1 连续性波动和跳跃性波动 | 第47-49页 |
| 5.2 跳跃成分的显著性检验 | 第49页 |
| 5.3 模型设定 | 第49-51页 |
| 5.3.1 LHAR-CV模型 | 第50页 |
| 5.3.2 LHAR-LJ模型 | 第50-51页 |
| 5.4 实证分析 | 第51-59页 |
| 5.4.1 LHAR-CV模型的实证分析 | 第53-57页 |
| 5.4.2 LHAR-CV模型的拟合效果和预测效果分析 | 第57-58页 |
| 5.4.3 LHAR-LJ模型的实证分析 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
