基于HS300指数的波动率模型及其应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·金融波动的主要特征 | 第8页 |
| ·基于参数估计的波动率模型发展概况 | 第8-9页 |
| ·机器学习理论在波动率研究中的应用 | 第9-10页 |
| ·本文研究内容 | 第10-12页 |
| 第二章 基本理论综述 | 第12-24页 |
| ·几何布朗运动 | 第12-13页 |
| ·波动率模型 | 第13-16页 |
| ·历史波动率模型 | 第13页 |
| ·GARCH 类模型 | 第13-16页 |
| ·条件自回归极差模型 | 第16页 |
| ·实证分析中作为参照标准的波动率估计方法 | 第16-19页 |
| ·支持向量机的相关理论 | 第19-23页 |
| ·机器学习问题和结构风险最小化原则 | 第19-20页 |
| ·支持向量机的数学模型 | 第20-22页 |
| ·支持向量机的核函数 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 基于GARCH 类模型的实证研究 | 第24-34页 |
| ·样本数据的主要统计量 | 第24-25页 |
| ·偏度 | 第24页 |
| ·峰度 | 第24页 |
| ·JB 检验 | 第24-25页 |
| ·GARCH 模型的预测分析 | 第25-31页 |
| ·EGARCH 模型的实证分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于最小二乘支持向量机的实证分析 | 第34-50页 |
| ·最小二乘支持向量机的基本思想和求解方法 | 第34-41页 |
| ·拉格朗日函数和拉格朗日乘子 | 第34-35页 |
| ·库恩-塔克条件 | 第35页 |
| ·最小二乘支持向量机 | 第35-38页 |
| ·模型参数的选择 | 第38-40页 |
| ·模型的学习过程 | 第40-41页 |
| ·基于最小二乘支持向量机的实证分析 | 第41-48页 |
| ·小样本下的预测分析 | 第41-45页 |
| ·大样本下的参数选择和预测 | 第45-48页 |
| ·本章总结 | 第48-50页 |
| 第五章 结论与展望 | 第50-52页 |
| ·全文总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
