| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| ·选题背景和课题意义 | 第7-8页 |
| ·智能算法研究现状 | 第8-12页 |
| ·遗传算法研究现状 | 第9-10页 |
| ·ACO算法研究现状 | 第10-11页 |
| ·PSO算法研究现状 | 第11-12页 |
| ·ARCH类模型研究现状 | 第12-13页 |
| ·国外使用ARCH类模型所做的波动性特征研究 | 第12页 |
| ·国内使用ARCH类模型所做的波动特征研究 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| 第二章 几种智能优化算法 | 第14-30页 |
| ·前言 | 第14页 |
| ·蚁群算法及其改进(蚁群算法的车间调度问题研究及其应用) | 第14-19页 |
| ·蚁群算法的基本原理 | 第14-15页 |
| ·蚁群算法的算法理论模型 | 第15-18页 |
| ·蚁群算法的特点及其应用 | 第18-19页 |
| ·遗传算法及其基本理论(遗传算法在物流系统优化中的应用研究) | 第19-24页 |
| ·遗传算法的基本思想和一些概念 | 第19-21页 |
| ·遗传算法描述 | 第21页 |
| ·应用遗传算法求解问题的步骤 | 第21-22页 |
| ·模式定理和积木块假设 | 第22-24页 |
| ·遗传算法的优缺点 | 第24页 |
| ·PSO算法及其改进(粒子群优化算法研究) | 第24-29页 |
| ·PSO简介 | 第24-25页 |
| ·PSO算法的运算过程 | 第25-27页 |
| ·两种基本的进化模型 | 第27页 |
| ·改进的PSO算法 | 第27-28页 |
| ·改进的PSO算法与遗传算法的比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基本数学知识及ARCH类模型 | 第30-38页 |
| ·基本数学知识(6模型的上证综指日收益率波动特征研究) | 第30-32页 |
| ·异方差性的概念 | 第30页 |
| ·普通最小二乘法(OLS)估计异方差的结果评价 | 第30页 |
| ·异方差性的检验 | 第30-31页 |
| ·异方差性的处理 | 第31-32页 |
| ·ARCH类模型介绍(\ARCH模型族的参数估计及其应用研究) | 第32-35页 |
| ·线性ARCH模型 | 第32-33页 |
| ·GARCH模型 | 第33页 |
| ·均值 GARCH模型 | 第33-34页 |
| ·EGARCH模型 | 第34页 |
| ·Power ARCH模型(PARCH) | 第34-35页 |
| ·t分布 | 第35-36页 |
| ·正态分布模型 | 第35-36页 |
| ·t-分布模型 | 第36页 |
| ·常用ARCH类模型的参数估计 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于智能算法的证券市场ARCH模型族实证研究 | 第38-49页 |
| ·前言 | 第38页 |
| ·样本数据的选取和时间窗口分割 | 第38-39页 |
| ·样本数据的基本统计特征分析 | 第39-42页 |
| ·数据的处理 | 第39-40页 |
| ·平稳性检验和基本统计描述 | 第40-41页 |
| ·样本时间序列的自相关性和独立性 | 第41-42页 |
| ·基于智能算法的ARCH模型参数优化 | 第42-45页 |
| ·ARCH模型的估计 | 第42-43页 |
| ·利用智能算法对样本时间序列的ARCH模型实证估计 | 第43-45页 |
| ·基于智能算法的GARCH模型参数优化 | 第45-48页 |
| ·GARCH模型的估计 | 第45页 |
| ·利用智能算法对样本时间序列的GARCH模型实证估计 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-50页 |
| ·本文的工作 | 第49页 |
| ·进一步发展 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第55页 |
