| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究的背景与意义 | 第8页 |
| 1.2 国内外研究历史与现状 | 第8-9页 |
| 1.3 本文的主要贡献与创新 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-11页 |
| 第二章 协方差矩阵的估计 | 第11-25页 |
| 2.1 样本协方差矩阵及其局限性 | 第11-12页 |
| 2.2 阈值法 | 第12-16页 |
| 2.2.1 通用阈值法 | 第12-14页 |
| 2.2.2 自适应阈值法 | 第14-16页 |
| 2.3 主正交补阈值法(POET) | 第16-18页 |
| 2.3.1 因子模型 | 第16-17页 |
| 2.3.2 主正交补阈值(POET)模型 | 第17页 |
| 2.3.3 POET估计的性质与应用 | 第17-18页 |
| 2.4 收缩估计方法 | 第18-22页 |
| 2.4.1 模型和假设 | 第18-19页 |
| 2.4.2 收缩估计方法的估计量 | 第19-20页 |
| 2.4.3 渐进结果 | 第20-21页 |
| 2.4.4 收缩估计和POET的比较 | 第21-22页 |
| 2.5 收缩估计和阈值估计方法的联系 | 第22页 |
| 2.6 高斯秩相关估计 | 第22-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 从历史数据预测协方差矩阵 | 第25-35页 |
| 3.1 时间序列 | 第25-30页 |
| 3.1.1 移动平均与加权移动平均 | 第26-27页 |
| 3.1.2 指数平滑 | 第27-30页 |
| 3.2 ARCH/GARCH | 第30-31页 |
| 3.3 指数平滑样本协方差 | 第31-33页 |
| 3.3.1 指数平滑样本协方差与指数平滑 | 第31-32页 |
| 3.3.2 指数平滑样本协方差与GARCH模型 | 第32-33页 |
| 3.4 指数样本平滑协方差对已有方法的改进 | 第33-34页 |
| 3.4.1 指数样本平滑协方差对POET估计的改进 | 第33-34页 |
| 3.4.2 指数样本平滑协方差对收缩估计的改进 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 协方差估计在股票数据中的应用 | 第35-44页 |
| 4.1 数据 | 第35-36页 |
| 4.2 比较协方差估计结构 | 第36-38页 |
| 4.3 估计结果比较 | 第38-42页 |
| 4.4 本章小节 | 第42-44页 |
| 第五章 全文总结与展望 | 第44-45页 |
| 5.1 全文总结 | 第44页 |
| 5.2 后续工作展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 | 第50-59页 |
| 附录1最佳收缩强度取值范围的补充证明 | 第50-53页 |
| 附录2第三章R语言程序代码 | 第53-55页 |
| 附录3第四章R语言程序部分代码 | 第55-58页 |
| 附录4实例应用所选取的具体股票 | 第58-59页 |
| 攻读硕士学位期间取得的成果 | 第59页 |