基于状态空间模型的金融时间序列预测方法

摘要	第1-6页
ABSTRACT	第6-8页
第一章 绪论	第8-14页
·研究背景及意义	第8-9页
·基于状态空间模型的时间序列分析发展综述	第9-11页
·问题的提出	第11-12页
·本文主要研究内容	第12页
·创新点及技术路线	第12-14页
第二章 状态空间模型及Kalman滤波	第14-24页
·状态空间模型	第14-15页
·Kalman滤波	第15-22页
·预备知识	第15-17页
·Kalman滤波器	第17-20页
·Kalman预报器	第20页
·Kalman平滑器	第20-22页
·稳态Kalman滤波器及其渐近稳定性	第22-24页
第三章 状态空间模型的参数估计	第24-34页
·极大似然法概述	第24-25页
·状态空间模型参数的极大似然估计	第25-26页
·EM算法	第26-31页
·EM算法简介	第26-27页
·EM算法实例分析	第27-29页
·EM算法的相关性质	第29-31页
·GEM—ECM算法	第31-32页
·EM—Newton算法	第32页
·MCEM算法	第32-33页
·预测	第33-34页
第四章 乘积季节模型与状态空间模型的预测的实例	第34-51页
·乘积季节模型简介	第34-35页
·乘积季节模型应用	第35-40页
·状态空间模型应用	第40-50页
·小结	第50-51页
第五章 结论与展望	第51-53页
·结论	第51页
·展望	第51-53页
参考文献	第53-56页
致谢	第56页