| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| §1．1 引言 | 第8-9页 |
| §1．2 本文的工作安排 | 第9-11页 |
| 第二章 企业时序性数量指标分析的一般理论 | 第11页 |
| §2．1 引言 | 第11页 |
| §2．2 时间序列计量模型极其理论 | 第11-13页 |
| 2．2．1 几种常见的模型 | 第11-12页 |
| 2．2．2 平稳性及单位根检验 | 第12页 |
| 2．2．3 时间域分析 | 第12页 |
| 2．2．4 频域分析 | 第12页 |
| 2．2．5 计量时间序列的建模思想 | 第12-13页 |
| 第三章 深圳成分股票指数的时间序列实证分析 | 第13-29页 |
| 基于Box-Jenkins时间序列理论分析 | 第13-29页 |
| §3．1 引言 | 第13页 |
| §3．2 样本数据及数据历程 | 第13-17页 |
| 3．2．1 样本数据 | 第13页 |
| 3．2．2 1991/4/3~2001/5/31股票指数变化历程图的分析 | 第13-17页 |
| §3．3 对股票指数时间序列建立估计，预测模型 | 第17-25页 |
| 3．3．1 对2542点股指建立模型 | 第17-21页 |
| 3．3．2 模型的拟合和预测情况 | 第21-22页 |
| 3．3．3 对样本数据的进一步分析 | 第22-25页 |
| §3．4 对股票指数时间序列的频谱分析 | 第25-27页 |
| §3．5 实证分析结论 | 第27-29页 |
| 第四章 企业时序性数量指标分析的非线性复杂理论 | 第29-37页 |
| §4．1 引言 | 第29页 |
| §4．2 与企业时序性数据分析有关的非线性复杂理论及模型 | 第29-34页 |
| 4．2．1 基本概念:相空间、轨线、分维数、分形及李雅谱诺夫指数 | 第29-33页 |
| 4．2．2 相空间重构理论 | 第33-34页 |
| §4．3 非线性模型建立的一种常用方法:小波神经网络学习算法 | 第34-37页 |
| 第五章 深圳成分股票指数的时间序列实证分析 | 第37-48页 |
| 基于非线性复杂系统理论的时间序列理论分析 | 第37-48页 |
| §5．1 引言 | 第37页 |
| §5．2 一个典型的非线性动力系统：Lorenz方程 | 第37-39页 |
| §5．3 对股票市场价格序列重构相空间的思路 | 第39-40页 |
| §5．4 非线性复杂系统理论的实证分析 | 第40-47页 |
| 5．4．1 数据趋势消除处理 | 第40页 |
| 5．4．2 数据判断利用赫斯特指数判断时间序列是否具有分形结构和相关持久性 | 第40-42页 |
| 5．4．3 计算相关维数嵌入维数m | 第42-43页 |
| 5．4．4 李雅谱诺夫指数与判断深圳股票市场系统具有混沌性质 | 第43-45页 |
| 5．4．5 建立非线性模型 | 第45-47页 |
| §5．5 实证分析结论 | 第47-48页 |
| 全文总结 | 第48-49页 |
| 工作中编制和使用的程序 | 第49-58页 |
| 参考文献 | 第58-61页 |
| 发表论文及科研情况 | 第61-62页 |
| 致谢 | 第62页 |
