摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 国外研究现状 | 第10-11页 |
1.2.2 国内研究现状 | 第11-12页 |
1.3 研究内容和结构安排 | 第12-13页 |
1.4 主要创新点 | 第13-14页 |
第2章 协整过程的表示形式 | 第14-20页 |
2.1 误差修正形式 | 第14-15页 |
2.2 三角表示形式 | 第15-16页 |
2.3 同趋势表示形式 | 第16-17页 |
2.4 频域中的表示形式 | 第17-20页 |
第3章 标准协整的参数估计和渐近分布 | 第20-36页 |
3.1 协整参数的最小二乘估计方法 | 第20-23页 |
3.2 协整向量估计的E-G两步法 | 第23-24页 |
3.3 协整向量的菲利普斯估计方法 | 第24-26页 |
3.4 估计量的渐近分布 | 第26-36页 |
第4章 标准协整和时变协整模型的表示 | 第36-43页 |
4.1 标准协整 | 第36-39页 |
4.2 模型化时变系数及时变协整模型的表示 | 第39-41页 |
4.2.1 Chebyshev 时间多项式 | 第39-40页 |
4.2.2 时变ECM模型 | 第40页 |
4.2.3 通过 Chebyshev 时间多项式建立时变协整模型 | 第40-41页 |
4.3 协整的检验 | 第41-43页 |
4.3.1 极大似然估计和LR检验 | 第41-42页 |
4.3.2 由时变协整向量(?)检测变点时刻 | 第42-43页 |
第5章 不同金融市场的统计套利实证分析 | 第43-60页 |
5.1 时变协整模型在股票市场券商板块中的应用 | 第43-48页 |
5.1.1 建立时变系数ECM模型检测变点时刻 | 第43-45页 |
5.1.2 运用检测出的变点建立变结构协整模型 | 第45-46页 |
5.1.3 运用样本外日数据进行统计套利分析 | 第46-48页 |
5.2 时变协整模型在股票市场旅游板块中的应用 | 第48-51页 |
5.2.1 建立时变系数ECM模型检测变点时刻 | 第48-49页 |
5.2.2 运用检测出的变点建立变结构协整模型 | 第49-50页 |
5.2.3 运用样本外日数据进行统计套利分析 | 第50-51页 |
5.3 时变协整模型在外汇市场上的统计套利实证分析 | 第51-55页 |
5.3.1 建立时变系数ECM模型检测变点时刻 | 第51-52页 |
5.3.2 运用检测出的变点建立变结构协整模型 | 第52-54页 |
5.3.3 运用样本外日数据进行统计套利分析 | 第54-55页 |
5.4 时变协整模型在股指期货套利上的实证分析 | 第55-60页 |
5.4.1 建立时变系数ECM模型检测变点时刻 | 第55-56页 |
5.4.2 运用检测出的变点建立变结构协整模型 | 第56-58页 |
5.4.3 运用样本外高频数据进行统计套利分析 | 第58-60页 |
第6章 总结与展望 | 第60-62页 |
6.1 研究总结 | 第60页 |
6.2 本文研究的不足和展望 | 第60-62页 |
致谢 | 第62-63页 |
参考文献 | 第63-66页 |
攻读硕士期间发表的论文 | 第66页 |