| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.2 文献综述 | 第8-10页 |
| 1.2.1 指数平滑法的国内外研究现状 | 第8-9页 |
| 1.2.2 ARIMA模型及小波理论的国内外研究现状 | 第9-10页 |
| 1.2.3 ARCH族模型的国内外研究现状 | 第10页 |
| 1.3 本文主要研究内容及方法 | 第10-11页 |
| 第二章 相关理论基本原理概述 | 第11-23页 |
| 2.1 指数平滑法概述 | 第11-13页 |
| 2.1.1 一次指数平滑 | 第11-12页 |
| 2.1.2 二次指数平滑 | 第12页 |
| 2.1.3 Holter-Winter非季节模型 | 第12-13页 |
| 2.2 ARIMA模型概述 | 第13-15页 |
| 2.2.1 非平稳时间序列的平稳化 | 第13页 |
| 2.2.2 ARIMA模型的定义 | 第13页 |
| 2.2.3 ARIMA模型的识别 | 第13-15页 |
| 2.3 小波去噪的基本原理概述 | 第15-17页 |
| 2.3.1 小波变换 | 第15-16页 |
| 2.3.2 小波分解 | 第16-17页 |
| 2.3.3 阈值的处理方法 | 第17页 |
| 2.3.4 小波的重构 | 第17页 |
| 2.4 条件异方差模型概述 | 第17-21页 |
| 2.4.1 ARCH模型 | 第18-19页 |
| 2.4.2 GARCH模型 | 第19页 |
| 2.4.3 ARCH-M模型 | 第19-20页 |
| 2.4.4 TARCH模型 | 第20页 |
| 2.4.5 EGARCH模型 | 第20-21页 |
| 2.4.6 幂ARCH模型 | 第21页 |
| 2.4.7 成分ARCH模型 | 第21页 |
| 2.4.8 非对称的成分ARCH模型 | 第21页 |
| 2.5 基于不同分布假设的GARCH模型介绍 | 第21-23页 |
| 2.5.1 正态分布(Normal)分布条件下的N-GARCH模型 | 第22页 |
| 2.5.2 Student's t分布条件下的t-GARCH模型 | 第22页 |
| 2.5.3 广义误差(GED)分布条件下的GED-GARCH模型 | 第22-23页 |
| 2.6 预测误差评价指标体系概述 | 第23页 |
| 第三章 金融时间序列预测模型的实证研究 | 第23-38页 |
| 3.1 二次指数平滑法与Holter-Winter非季节模型的预测对比实证研究 | 第23-25页 |
| 3.2 基于ARIMA模型对金融时间序列拟合的实证分析 | 第25-28页 |
| 3.3 基于小波分析的ARIMA模型预测的实证研究 | 第28-31页 |
| 3.4 基于ARCH族模型在金融时间序列预测中应用的实证比较 | 第31-37页 |
| 3.5 基于不同分布假设的GARCH模型 | 第37-38页 |
| 第四章 结论 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 附录 | 第43-46页 |
| 在学期间的研究成果 | 第46-47页 |
| 致谢 | 第47页 |
