| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 小波分析理论的形成与发展 | 第8-9页 |
| 1.3 小波分析在金融时间序列中的研究现状与发展 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-12页 |
| 第2章 小波分析的理论基础 | 第12-16页 |
| 2.1 小波分析相关理论基础 | 第12-16页 |
| 2.1.1 小波函数及其界定 | 第12-13页 |
| 2.1.2 离散小波变换 | 第13页 |
| 2.1.3 多分辨分析理论 | 第13-16页 |
| 第3章 时间序列的相关理论 | 第16-20页 |
| 3.1 平稳时间序列模型 | 第16页 |
| 3.1.1 ARMA(p,q)模型简介 | 第16页 |
| 3.2 条件异方差模型 | 第16-20页 |
| 3.2.1 异方差检验 | 第17-18页 |
| 3.2.2 ARCH模型 | 第18页 |
| 3.2.3 GARCH模型 | 第18-20页 |
| 第4章 基于小波分析理论的金融时间序列去噪 | 第20-37页 |
| 4.1 小波阈值去噪实现过程 | 第20-21页 |
| 4.2 小波基函数的选取 | 第21-26页 |
| 4.2.1 小波基函数的特性 | 第21-23页 |
| 4.2.2 小波基函数选取原则 | 第23-26页 |
| 4.3 基于白噪声检验的自适应确定小波分解层数算法 | 第26-31页 |
| 4.3.1 白噪声检验 | 第27-28页 |
| 4.3.2 基于白噪声检验的自适应确定分解层数算法 | 第28-31页 |
| 4.4 基于贝叶斯统计理论的小波阈值估计算法 | 第31-37页 |
| 4.4.1 常用的阈值估计准则 | 第31-32页 |
| 4.4.2 基于贝叶斯统计理论的阈值估计算法 | 第32-37页 |
| 第5章 金融时间序列的实证分析 | 第37-43页 |
| 5.1 数据选取 | 第37-38页 |
| 5.2 基于小波分析理论GARCH模型的金融时间序列分析 | 第38-43页 |
| 第6章 总结与展望 | 第43-45页 |
| 6.1 全文总结 | 第43页 |
| 6.2 不足与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 附录 A sym6 小波去噪的 MATLAB 程序 | 第48-49页 |
| 附录 B 自适应分解层数的 MATLAB 程序 | 第49-51页 |
| 附录 C 改进的 Bayes Shrink 阈值估计算法 MATLAB 程序 | 第51-53页 |
| 致谢 | 第53-55页 |
| 在学期间的科研情况 | 第55页 |
