| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 证券市场微观结构与金融高频数据 | 第8-23页 |
| ·金融计量学的发展 | 第8-9页 |
| ·证券市场微观结构 | 第9-15页 |
| ·市场微观结构的概念 | 第10-12页 |
| ·证券市场的交易成本 | 第12-13页 |
| ·信息在市场微观结构理论中的核心地位 | 第13页 |
| ·影响市场微观结构的因素 | 第13-15页 |
| ·金融高频数据分析的现状与问题研究 | 第15-23页 |
| ·金融高频数据及其特征分析 | 第15-16页 |
| ·金融高频数据分析研究的现状 | 第16-19页 |
| ·金融高频数据分析中遇到的特殊问题研究 | 第19-21页 |
| ·金融高频数据分析研究的展望及对我国应用的启示 | 第21-23页 |
| 第二章 小波分析在“日历效应”上的应用 | 第23-37页 |
| ·滤波器 | 第24页 |
| ·小波滤波器 | 第24页 |
| ·尺度滤波器 | 第24页 |
| ·塔型算法 | 第24-28页 |
| ·塔型算法的第一阶段 | 第24-25页 |
| ·塔型算法的第二阶段 | 第25-26页 |
| ·塔型算法的一般步骤 | 第26-28页 |
| ·离散小波变换 | 第28页 |
| ·最大重复离散小波变换 | 第28-29页 |
| ·多分辨分析 | 第29-30页 |
| ·多分辨分析的定义 | 第29-30页 |
| ·多分辨分析后的能量谱 | 第30页 |
| ·上证指数高频数据的多分辨分析 | 第30-37页 |
| ·数据的整理和计算 | 第30-32页 |
| ·利用多分辨分析（MRA）对高频数据进行分析 | 第32-33页 |
| ·能量谱比率的计算 | 第33页 |
| ·对 MRA 滤波效果的验证 | 第33-34页 |
| ·用弹性傅立叶函数（FFF）滤出“日历效应” | 第34-37页 |
| 第三章 小波分析在股市高频互相关序列上的应用 | 第37-55页 |
| ·小波方差（Wavelet Variance）的定义 | 第37-38页 |
| ·小波方差的优点 | 第37-38页 |
| ·小波方差的分解 | 第38-41页 |
| ·自相关序列 | 第38页 |
| ·谱密度函数 | 第38-39页 |
| ·谱密度的另一种表示方法 | 第39-40页 |
| ·过程方差的有效的表示方法 | 第40-41页 |
| ·小波协方差（Wavelet Covariance） | 第41页 |
| ·小波方差的基本特征 | 第41-43页 |
| ·小波方差的估计 | 第43-49页 |
| ·小波方差的置信区间 | 第44-47页 |
| ·小波方差的谱估计 | 第47-49页 |
| ·小波偏度和小波峰度 | 第49-50页 |
| ·序列互相关及回归模型 | 第49-50页 |
| ·实证研究 | 第50-55页 |
| ·高频数据的互相关序列 | 第50-52页 |
| ·互相关序列的小波变换 | 第52-53页 |
| ·小波变换后高频序列的峰度和偏度 | 第53页 |
| ·互相关序列的小波方差分析 | 第53页 |
| ·互相关序列的回归分析 | 第53-55页 |
| 第四章 小波长记忆过程 | 第55-79页 |
| ·长记忆过程的定义 | 第55页 |
| ·三种重要的长记忆过程 | 第55-58页 |
| ·分整高斯噪声过程 | 第55-56页 |
| ·纯能量法则过程 | 第56-57页 |
| ·分整差分过程 | 第57-58页 |
| ·长记忆过程的离散小波变换 | 第58-61页 |
| ·长记忆过程的拟合 | 第61-62页 |
| ·平稳过程的拟合 | 第62-64页 |
| ·平稳自回归过程的拟合 | 第64-66页 |
| ·平稳 FD 过程的最大似然估计 | 第66-68页 |
| ·非平稳 FD 过程的最大似然估计 | 第68-71页 |
| ·FD过程的最小二乘估计 | 第71-73页 |
| ·小波高频长记忆实证研究 | 第73-79页 |
| ·小波方差基础上的长记忆性 | 第73-74页 |
| ·不同尺度下长记忆参数的计算 | 第74页 |
| ·实证研究 | 第74-79页 |
| 第五章 小波去噪法在高频数据上的应用 | 第79-86页 |
| ·传统去噪方法的缺陷分析 | 第79-80页 |
| ·金融时间序列小波去噪方法分析 | 第80-83页 |
| ·实证研究 | 第83-86页 |
| 第六章 总结与展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 发表论文和科研情况说明 | 第93-94页 |
| 致谢 | 第94页 |