| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·论文研究背景 | 第7-10页 |
| ·金融理论定量化发展回顾 | 第7-8页 |
| ·金融市场的波动性 | 第8-9页 |
| ·外生变量在描述金融时间序列中的作用 | 第9-10页 |
| ·描述波动性的模型 | 第10-12页 |
| ·纯时间序列 | 第10页 |
| ·自回归条件异方差 | 第10-12页 |
| ·随机波动 | 第12页 |
| ·论文结构及创新之处 | 第12-14页 |
| 第2章 随机波动(SV)模型 | 第14-20页 |
| ·基本SV模型 | 第14-16页 |
| ·SV模型简介 | 第14-15页 |
| ·SV模型统计特征 | 第15-16页 |
| ·SV模型的扩展 | 第16-18页 |
| ·厚尾SV模型 | 第16-17页 |
| ·长记忆SV模型 | 第17-18页 |
| ·非对称SV模型(ASV) | 第18页 |
| ·引入虚拟变量的ASV模型及其统计有效性分析 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 SV模型参数估计 | 第20-32页 |
| ·SV模型参数估计的基本方法 | 第20-23页 |
| ·伪极大似然方法(QML) | 第20-21页 |
| ·广义矩方法估计(GMM) | 第21-22页 |
| ·模拟极大似然方法(SML) | 第22-23页 |
| ·马尔科夫链蒙特卡洛方法(MCMC) | 第23页 |
| ·贝叶斯估计 | 第23-26页 |
| ·贝叶斯公式的密度函数形式 | 第23-25页 |
| ·先验分布的确定 | 第25页 |
| ·使后验分布的均方误差(MSE)达到最小的贝叶斯估计 | 第25-26页 |
| ·马尔科夫链蒙特卡罗(MCMC)方法 | 第26-28页 |
| ·MCMC方法的基本思想 | 第26-27页 |
| ·Gibbs取样 | 第27-28页 |
| ·BUGS软件简介 | 第28页 |
| ·DIC准则 | 第28-29页 |
| ·MCMC方法对带有虚拟变量的ASV模型的贝叶斯分析 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 实证分析 | 第32-37页 |
| ·引入股指期货对股票现货市场波动性影响的研究 | 第32-33页 |
| ·现有研究波动性影响的主要理论 | 第32页 |
| ·现有实证成果简述 | 第32-33页 |
| ·日收益率的描述统计分析 | 第33-34页 |
| ·对引入股指期货的股票现货市场波动性建模 | 第34-36页 |
| ·利用带有虚拟变量的ASV模型建模 | 第34-35页 |
| ·利用带有虚拟变量的GARCH模型建模 | 第35-36页 |
| ·两种模型拟合优度的比较 | 第36页 |
| ·本章小结 | 第36-37页 |
| 结束语 | 第37-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42页 |