| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·时间序列分析的目的 | 第11页 |
| ·时间序列分析的研究状况 | 第11-13页 |
| ·时间序列模型的参数估计法 | 第13-14页 |
| ·共轭梯度法的发展历史 | 第14-15页 |
| ·论文结构及选题的意义 | 第15-16页 |
| 第2章 预备知识 | 第16-30页 |
| ·平稳时间序列的定义 | 第16页 |
| ·时间序列的模型 | 第16-19页 |
| ·ARMA 模型 | 第16-17页 |
| ·ARCH 模型 | 第17-18页 |
| ·GARCH 模型 | 第18页 |
| ·非参数自回归模型 | 第18-19页 |
| ·模型选择准则 | 第19-20页 |
| ·AIC 和BIC 准则 | 第19-20页 |
| ·SBC 准则 | 第20页 |
| ·CAT 准则 | 第20页 |
| ·模型检验 | 第20-22页 |
| ·Fisher 检验 | 第21页 |
| ·自适应Neyman 检验 | 第21-22页 |
| ·广义似然比检验 | 第22页 |
| ·模型参数估计的优化方法 | 第22-26页 |
| ·Newton 法 | 第22-23页 |
| ·共轭梯度法 | 第23-26页 |
| ·时间序列的谱理论 | 第26-29页 |
| ·谱 | 第26-27页 |
| ·ARMA 模型的谱 | 第27-28页 |
| ·谱窗 | 第28页 |
| ·延迟窗 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 基于可加 GARCH 模型新型参数估计法 | 第30-40页 |
| ·可加GARCH 模型 | 第30页 |
| ·新型估计算法 | 第30-33页 |
| ·新算法步骤 | 第31-32页 |
| ·新算法收敛性分析 | 第32-33页 |
| ·实例分析 | 第33-37页 |
| ·数据处理与分析 | 第34-35页 |
| ·模型检验 | 第35-36页 |
| ·模型拟合 | 第36-37页 |
| ·模型比较 | 第37-38页 |
| ·算法比较 | 第38页 |
| ·小结 | 第38-40页 |
| 第4章 一种新的共轭梯度法在可加GARCH 模型估计中的应用 | 第40-50页 |
| ·新的共轭梯度算法 | 第40-47页 |
| ·新共轭梯度算法步骤 | 第41-42页 |
| ·新算法收敛性分析 | 第42-47页 |
| ·实例分析 | 第47-49页 |
| ·模型预测 | 第47-49页 |
| ·算法比较 | 第49页 |
| ·小结 | 第49-50页 |
| 第5章 一种新的频谱分析检验法在预测时间序列模型中的应用 | 第50-58页 |
| ·基于频谱分析的时间序列模型检验方法 | 第50-53页 |
| ·样本谱估计 | 第50-51页 |
| ·时间序列模型谱估计 | 第51-52页 |
| ·模型检验 | 第52-53页 |
| ·实例验证 | 第53-56页 |
| ·实例一 | 第53-55页 |
| ·实例二 | 第55-56页 |
| ·小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |