基于小波变换的金融时间序列奇异点识别模型与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第2章 小波变换概述 | 第12-23页 |
| ·引言 | 第12页 |
| ·常用小波函数介绍 | 第12-15页 |
| ·Haar小波 | 第13页 |
| ·Daubechies小波 | 第13-14页 |
| ·Symlets小波族 | 第14-15页 |
| ·Morlet小波 | 第15页 |
| ·连续小波变换 | 第15-20页 |
| ·小波基函数 | 第16-17页 |
| ·小波基的自适应特性 | 第17-20页 |
| ·连续小波变换的定义 | 第20页 |
| ·离散小波变换 | 第20-22页 |
| ·尺度-位移参数的离散化 | 第21页 |
| ·二进小波变换的定义 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 时间序列及其奇异性分析 | 第23-32页 |
| ·时间序列概述 | 第23-27页 |
| ·时间序列定义 | 第23-24页 |
| ·时间序列组成 | 第24-25页 |
| ·时间序列的特点 | 第25-26页 |
| ·时间序列模型 | 第26-27页 |
| ·Lipschitz指数 | 第27-28页 |
| ·小波变换模极大值 | 第28-30页 |
| ·模极大值与时间序列奇异性关系 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于小波变换的金融时间序列奇异点识别模型 | 第32-44页 |
| ·建模思想 | 第32-33页 |
| ·奇异点识别模型建模步骤 | 第33-38页 |
| ·数据平滑处理 | 第33-34页 |
| ·基于小波变换的时间序列分解 | 第34-37页 |
| ·离散小波系数提取 | 第37页 |
| ·模极大值法识别和定位奇异点 | 第37-38页 |
| ·实证分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 结论与展望 | 第44-47页 |
| ·论文总结 | 第44-45页 |
| ·不足和展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录A 样本数据及处理结果 | 第52-62页 |
| 附录B 攻读学位期间发表的论文 | 第62页 |
