| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外文献综述 | 第10-13页 |
| ·金融资产收益波动的时变性和持续性 | 第10页 |
| ·两类模型的发展概述 | 第10-11页 |
| ·小波在时间序列分析中的应用 | 第11页 |
| ·小波应用于经济金融的研究现状 | 第11-12页 |
| ·小波分析在金融波动分析中的应用 | 第12-13页 |
| ·需要研究的问题分析 | 第13页 |
| ·本文的结论、结构及创新点 | 第13-15页 |
| 2 小波变换与多分辨率分析 | 第15-25页 |
| ·引言 | 第15页 |
| ·连续小波变换 | 第15-17页 |
| ·离散小波变换 | 第17-20页 |
| ·多分辨率分析与 mallat 算法 | 第20-23页 |
| ·多分辨率分析 | 第20-21页 |
| ·Mallat 算法 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 3 金融时间序列模型 | 第25-33页 |
| ·引言 | 第25页 |
| ·ARCH 模型 | 第25-26页 |
| ·ARCH 模型定义及其性质 | 第25-26页 |
| ·ARCH 模型的缺陷 | 第26页 |
| ·GARCH 模型 | 第26-32页 |
| ·模型及其统计性质 | 第27-28页 |
| ·分整增广 GARCH-M 模型 | 第28-29页 |
| ·GARCH 模型参数估计方法 | 第29-30页 |
| ·GARCH 模型检验与预测 | 第30-31页 |
| ·GARCH 模型的连续化 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 金融时间序列变点探测的小波模极大值方法 | 第33-39页 |
| ·引言 | 第33-34页 |
| ·小波模极大线方法及变点探测算法设计 | 第34-36页 |
| ·函数连续的 LP 指数与小波模极大的关系 | 第34-35页 |
| ·金融时序小波模极大线变点探测的基本思想 | 第35页 |
| ·金融时序变点探测的算法设计 | 第35-36页 |
| ·基于增广 GARCH-M 模型的仿真算例 | 第36-37页 |
| ·增广 GARCH-M 模型介绍 | 第36页 |
| ·模型仿真结果 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 5 金融资产收益波动的多尺度GARCH 模型 | 第39-59页 |
| ·引言 | 第39页 |
| ·金融时间序列多尺度分析理论及 MRA-GARCH 建模方法 | 第39-43页 |
| ·金融时间序列的小波变换 | 第39-40页 |
| ·金融时间序列的多尺度小波变换及其重构算法 | 第40页 |
| ·GARCH 过程的多尺度分析(MRA-GARCH) | 第40-41页 |
| ·金融时间序列 MRA-GARCH 建模方法 | 第41-43页 |
| ·金融时间序列 MRA-GARCH 建模的关键点 | 第43页 |
| ·上证综合指数和深圳成份指数收益率 MAR-GARCH 建模分析 | 第43-57页 |
| ·数据选取 | 第43-45页 |
| ·指数收益率序列的拟合分布 | 第45页 |
| ·常规 GARCH 建模分析 | 第45-51页 |
| ·沪深股市指数收益率序列 MRA-GARCH 建模分析 | 第51-57页 |
| ·本章小结 | 第57-59页 |
| 6 股票预期收益波动的动态模糊聚类仿真分析 | 第59-69页 |
| ·引言 | 第59页 |
| ·模型和方法与算法设计 | 第59-63页 |
| ·GARCH 模型介绍 | 第59-60页 |
| ·动态模糊聚类分析方法 | 第60-61页 |
| ·算法设计 | 第61-63页 |
| ·montecalo 仿真分析 | 第63-67页 |
| ·数据选取 | 第63-64页 |
| ·GARCH 建模分析仿真预测 | 第64页 |
| ·股票远期收益的动态模糊聚类分析 | 第64-66页 |
| ·股票远期收益的动态模糊聚类分析评价 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 7 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-89页 |
| 1. 攻读硕士学位期间撰发论文情况 | 第77页 |
| 2. 攻读硕士学位期间科研项目情况 | 第77-78页 |
| 3. 附表 | 第78-80页 |
| 4. 主要程序 | 第80-89页 |
