中国股市长记忆性实证研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 前言 | 第8-12页 |
| 第一节 研究背景及现实意义 | 第8页 |
| 第二节 国内外研究综述 | 第8-10页 |
| 一、国外研究综述 | 第8-9页 |
| 二、国内研究综述 | 第9-10页 |
| 第三节 本文研究的内容和方法 | 第10-12页 |
| 第二章 长记忆理论 | 第12-27页 |
| 第一节 长记忆的定义 | 第12-14页 |
| 一、短记忆的定义 | 第12-13页 |
| 二、长记忆的定义 | 第13-14页 |
| 第二节 长记忆产生的原因 | 第14-16页 |
| 一、国外学者的解释 | 第14-15页 |
| 二、国内学者的解释 | 第15-16页 |
| 第三节 长记忆性的理论基础 | 第16-19页 |
| 一、市场有效理论 | 第16-18页 |
| 二、分形市场理论 | 第18-19页 |
| 第四节 长记忆性的研究方法 | 第19-27页 |
| 一、自相关系数法 | 第20页 |
| 二、Levy分布与Levy指数 | 第20-21页 |
| 三、KPSS检验 | 第21页 |
| 四、GKL检验 | 第21-22页 |
| 五、重标极差(R/S)分析法 | 第22-25页 |
| 六、修正的重标极差(MRS)分析法 | 第25-27页 |
| 第三章 模型介绍 | 第27-39页 |
| 第一节 自回归移动平均(ARMA)模型 | 第27-29页 |
| 一、自回归(AR)模型 | 第27页 |
| 二、移动平均(MA)模型 | 第27-28页 |
| 三、自回归移动平均(ARMA)模型 | 第28-29页 |
| 第二节 自回归积分移动平均(ARIMA)模型 | 第29-30页 |
| 第三节 分数差分噪声(FND)模型 | 第30页 |
| 第四节 分整自回归移动平均(ARFIMA)模型 | 第30-33页 |
| 一、ARFIMA模型的定义 | 第31页 |
| 二、ARFIMA模型的性质 | 第31-32页 |
| 三、ARFIMA(p，d，q)建模基本步骤 | 第32页 |
| 四、ARFIMA(p，d，q)模型参数的估计 | 第32-33页 |
| 第五节 自回归条件异方差(ARCH)类模型 | 第33-39页 |
| 一、线性ARCH模型 | 第34-35页 |
| 二、线性GARCH模型 | 第35-36页 |
| 三、单整GARCH(IGARCH)模型 | 第36-37页 |
| 四、分整GARCH(FIGARCH)模型 | 第37-39页 |
| 第四章 实证研究 | 第39-61页 |
| 第一节 数据来源与处理 | 第39-40页 |
| 第二节 数据的统计特征 | 第40-42页 |
| 第三节 长记忆性实证研究 | 第42-57页 |
| 一、自相关系数法研究长记忆性 | 第42-48页 |
| 二、重标极差(R/S)分析法研究长记忆性 | 第48-50页 |
| 三、修正的重标极差(MRS)分析法研究长记忆性 | 第50-57页 |
| 第四节 估计与预测 | 第57-61页 |
| 一、收益率序列 | 第58-59页 |
| 二、收益率波动序列 | 第59-61页 |
| 第五章 总结 | 第61-65页 |
| 第一节 总结 | 第61-62页 |
| 第二节 解释 | 第62-63页 |
| 第三节 不足 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 后记 | 第68-69页 |
