| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1. 绪论 | 第11-19页 |
| 1.1 研究背景及问题的提出 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 问题的提出 | 第13页 |
| 1.2 研究意义及目的 | 第13-14页 |
| 1.2.1 研究意义 | 第13-14页 |
| 1.2.2 研究目的 | 第14页 |
| 1.3 研究内容及结构 | 第14-16页 |
| 1.3.1 研究内容 | 第14-16页 |
| 1.3.2 文章结构 | 第16页 |
| 1.4 样本数据的选取及研究方法 | 第16-17页 |
| 1.4.1 样本数据的选取 | 第16-17页 |
| 1.4.2 研究方法 | 第17页 |
| 1.5 文章的创新 | 第17-19页 |
| 2. 股市联动性理论与检测方法综述 | 第19-32页 |
| 2.1 股市联动性基本理论 | 第19-23页 |
| 2.1.1 股市联动性机理 | 第19-21页 |
| 2.1.2 股市联动性条件 | 第21-22页 |
| 2.1.3 股市联动性传导机制 | 第22-23页 |
| 2.2 “沪港通”对中国内地和香港股市联动性的影响 | 第23-25页 |
| 2.2.1 宏观经济 | 第24页 |
| 2.2.2 宏观政策 | 第24页 |
| 2.2.3 投资者结构 | 第24-25页 |
| 2.3 股市联动性研究度量方法探讨 | 第25-30页 |
| 2.3.1 时间序列方法在股市联动性上的应用 | 第25-29页 |
| 2.3.2 关联规则挖掘在股市上的应用 | 第29-30页 |
| 2.3.3 非参数Copula与关联规则的优缺点及结合 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 3. 非参数Copula及其在股市联动性上的实证 | 第32-43页 |
| 3.1 非参数Copula模型 | 第32-36页 |
| 3.1.1 Copula函数基本理论 | 第32-33页 |
| 3.1.2 非参数Copula模型理论 | 第33-34页 |
| 3.1.3 非线性秩相关测度 | 第34-36页 |
| 3.2 非参数Copula模型实证分析 | 第36-42页 |
| 3.2.1 数据的基本特征 | 第36页 |
| 3.2.2 非参数Copula模型估计 | 第36-40页 |
| 3.2.3 Copula函数实证结果分析 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4. 关联规则挖掘及其理论 | 第43-58页 |
| 4.1 关联规则挖掘 | 第43-46页 |
| 4.1.1 关联规则挖掘概念与算法描述 | 第43-45页 |
| 4.1.2 时序关联规则挖掘步骤 | 第45页 |
| 4.1.3 股指数据挖掘的特征及模型的选取 | 第45-46页 |
| 4.2 滑动窗口模式挖掘 | 第46-48页 |
| 4.2.1 滑动窗口模式挖掘定义 | 第46-47页 |
| 4.2.2 时间序列模式化 | 第47-48页 |
| 4.3 时间序列线段化模式挖掘 | 第48-57页 |
| 4.3.1 时间序列线段化 | 第48-52页 |
| 4.3.2 时间序列模式表示 | 第52-53页 |
| 4.3.3 时序模式聚类 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5. 关联规则挖掘实证及解释 | 第58-79页 |
| 5.1 数据预处理 | 第58页 |
| 5.2 滑动窗口模式挖掘模型实证 | 第58-67页 |
| 5.2.1 滑动窗口挖掘模型阈值的确定及序列模式化 | 第58-60页 |
| 5.2.2 滑动窗口关联规则挖掘及解释 | 第60-67页 |
| 5.3 时间序列线段化模式挖掘模型实证 | 第67-78页 |
| 5.3.1 时间序列线段化及模式表示 | 第67-70页 |
| 5.3.2 时间序列线段化模式聚类 | 第70-74页 |
| 5.3.3 时间序列线段模式关联规则挖掘即解释 | 第74-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6. 总结 | 第79-82页 |
| 6.1 结论与解释 | 第79-80页 |
| 6.2 不足与改进 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 附录 | 第85-97页 |
| 致谢 | 第97页 |
