| 摘要 | 第2-8页 |
| ABSTRACT | 第8-13页 |
| 第1章 绪论 | 第18-29页 |
| 1.1 选题的背景和意义 | 第18-19页 |
| 1.2 有关研究的综述 | 第19-24页 |
| 1.2.1 纺织品的定价 | 第19页 |
| 1.2.2 经济定价模型 | 第19-24页 |
| 1.3 研究方法与研究内容 | 第24-26页 |
| 1.3.1 研究方法 | 第24-25页 |
| 1.3.2 研究内容 | 第25-26页 |
| 1.4 研究思路与论文结构 | 第26-27页 |
| 1.5 研究难点与主要创新 | 第27-29页 |
| 1.5.1 研究难点 | 第27页 |
| 1.5.2 主要创新 | 第27-29页 |
| 第2章 实物交易指数的经济定价 | 第29-41页 |
| 2.1 CAPM模型的实证结果 | 第29-36页 |
| 2.1.1 周指数的市场模型 | 第30-34页 |
| 2.1.2 月指数的市场模型 | 第34-36页 |
| 2.2 零贝塔CAPM模型的实证结果 | 第36-39页 |
| 2.2.1 零贝塔CAPM模型 | 第36-37页 |
| 2.2.2 零贝塔CAPM的市场模型 | 第37-39页 |
| 2.3 本章小结 | 第39-41页 |
| 第3章 实物交易指数的统计识别 | 第41-73页 |
| 3.1 有关模型的检验综述 | 第41-59页 |
| 3.1.1 常用定价模型的假设 | 第42-53页 |
| 3.1.1.1 线性回归模型 | 第42-43页 |
| 3.1.1.2 单变量的时间序列模型 | 第43-46页 |
| 3.1.1.3 多变量的时间序列模型 | 第46-47页 |
| 3.1.1.4 状态空间模型和Kalman滤波 | 第47-49页 |
| 3.1.1.5 CAPM模型 | 第49-52页 |
| 3.1.1.6 APT套利定价模型 | 第52-53页 |
| 3.1.2 模型假设的检验的文献 | 第53-57页 |
| 3.1.2.1 格兰杰因果检验 | 第53-55页 |
| 3.1.2.2 相关性的测度 | 第55-57页 |
| 3.1.3 数据的预处理方法 | 第57-59页 |
| 3.1.3.1 总体标准差与其均值线性相关 | 第57-58页 |
| 3.1.3.2 数据存在尺度效应 | 第58页 |
| 3.1.3.3 序列不平稳 | 第58-59页 |
| 3.2 数据说明及基本统计分析 | 第59-62页 |
| 3.2.1 数据说明 | 第59-60页 |
| 3.2.2 基本统计分析 | 第60-62页 |
| 3.3 针对纺织品价格指数的检验结果 | 第62-72页 |
| 3.3.1 数据预处理 | 第62页 |
| 3.3.2 平稳性检验的结果 | 第62-68页 |
| 3.3.3 自相关检验的结果 | 第68-69页 |
| 3.3.4 独立性检验的结果 | 第69-71页 |
| 3.3.5 独立同分布检验的结果 | 第71-72页 |
| 3.4 本章小结 | 第72-73页 |
| 第4章 数据驱动的变量选择和变量识别 | 第73-93页 |
| 4.1 问题的提出 | 第73-78页 |
| 4.1.1 有关变量选择的文献综述 | 第73-76页 |
| 4.1.2 确定变量集 | 第76-78页 |
| 4.2 理论模型 | 第78-81页 |
| 4.2.1 半参数时变系数回归模型 | 第78-79页 |
| 4.2.2 变量选择 | 第79-81页 |
| 4.2.3 变量识别 | 第81页 |
| 4.3 实证分析 | 第81-87页 |
| 4.3.1 模型准备 | 第81-83页 |
| 4.3.2 变量选择的经验结果 | 第83-85页 |
| 4.3.3 变量识别的经验结果 | 第85-86页 |
| 4.3.4 模型有效性检验 | 第86-87页 |
| 4.4 参数估计的改进 | 第87-91页 |
| 4.4.1 改进后的估计结果 | 第87-90页 |
| 4.4.2 模型有效性检验 | 第90-91页 |
| 4.5 本章小结 | 第91-93页 |
| 第5章 控制变量的深度学习 | 第93-103页 |
| 5.1 半参数时变系数回归模型的估计 | 第93-94页 |
| 5.2 显著变量的筛选 | 第94-99页 |
| 5.2.1 控制变量对纺织指数的影响 | 第94-95页 |
| 5.2.2 棉花价格指数是重要变量 | 第95-99页 |
| 5.2.2.1 棉花价格对纺织指数的间接影响 | 第96页 |
| 5.2.2.2 棉花价格对纺织指数的直接影响 | 第96-99页 |
| 5.3 各部分占比的模拟 | 第99-102页 |
| 5.4 本章小结 | 第102-103页 |
| 第6章 纺织指数的实时预测 | 第103-121页 |
| 6.1 预测模型 | 第103-113页 |
| 6.1.1 简单的模型 | 第103-104页 |
| 6.1.2 时间序列模型 | 第104页 |
| 6.1.3 状态空间模型 | 第104-113页 |
| 6.1.3.1 Kalman-Bucy模型分析ARMA过程 | 第105-107页 |
| 6.1.3.2 Kalman-Bucy模型的解 | 第107页 |
| 6.1.3.3 Kalman-Bucy滤波模型的最佳线性解 | 第107-108页 |
| 6.1.3.4 Kalman-Bucy滤波模型的递归算法 | 第108-110页 |
| 6.1.3.5 基于ARMA(p,q)模型的状态空间模型 | 第110-111页 |
| 6.1.3.6 基于ARIMA(p,d,q)模型的状态空间模型 | 第111-113页 |
| 6.2 纺织品价格指数的预测 | 第113-119页 |
| 6.2.1 简单模型的预测 | 第113页 |
| 6.2.2 时间序列模型的预测 | 第113-115页 |
| 6.2.3 状态空间模型的预测 | 第115-119页 |
| 6.3 三类模型的比较 | 第119页 |
| 6.4 本章小结 | 第119-121页 |
| 第7章 结论与展望 | 第121-124页 |
| 7.1 研究结论 | 第121-122页 |
| 7.2 研究展望 | 第122-124页 |
| 参考文献 | 第124-129页 |
| 致谢 | 第129-130页 |
| 附录 | 第130-152页 |
| 附录一 | 第130-135页 |
| 附录二 | 第135-137页 |
| 附录三 | 第137-139页 |
| 附录四 | 第139-146页 |
| 附录五 | 第146-152页 |
