时间序列短期趋势信号模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景及意义 | 第11-13页 |
| ·课题背景 | 第11-12页 |
| ·选题意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的创新 | 第14-15页 |
| ·本文的结构 | 第15-17页 |
| 第二章 时间序列基本概念 | 第17-29页 |
| ·时间序列 | 第17-20页 |
| ·时间序列定义 | 第17-18页 |
| ·时间序列组成成分 | 第18-20页 |
| ·时间序列表示 | 第20页 |
| ·时间序列分析 | 第20-23页 |
| ·时间序列分析的概念 | 第20-21页 |
| ·时间序列分析的基本特征 | 第21-22页 |
| ·时间序列分析的作用 | 第22-23页 |
| ·时间序列的分解 | 第23-29页 |
| ·趋势分量、循环分量、季节分量、不规则分量的分离 | 第23-25页 |
| ·时间序列长期趋势、循环变动和季节变动的分析 | 第25-26页 |
| ·时间序列中消除趋势的方法 | 第26-29页 |
| 第三章 金融时间序列模型 | 第29-43页 |
| ·ARMA模型与相应平稳随机过程 | 第29-38页 |
| ·随机过程 | 第29-32页 |
| ·差分方程、滞后算子和白噪声过程 | 第32-34页 |
| ·滑动平均模型 | 第34-35页 |
| ·自回归模型 | 第35-36页 |
| ·自回归滑动平均模型 | 第36-38页 |
| ·ARMA过程的建立 | 第38-41页 |
| ·建模思想 | 第38页 |
| ·模型定阶或识别 | 第38-39页 |
| ·模型参数的估计 | 第39-40页 |
| ·诊断检验 | 第40-41页 |
| ·预测 | 第41-43页 |
| 第四章 时间序列中短期趋势形态模式的定义和识别 | 第43-59页 |
| ·股票时间序列中的基本形态 | 第43-46页 |
| ·增长趋势的识别与检测 | 第46-52页 |
| ·增长趋势的特征和定义 | 第46-49页 |
| ·识别增长趋势 | 第49-52页 |
| ·下降趋势的识别与检测 | 第52-56页 |
| ·下降趋势的特征和定义 | 第52-54页 |
| ·识别下降趋势 | 第54-56页 |
| ·V形反转的识别与检测 | 第56-59页 |
| ·V形反转的特征和定义 | 第56-57页 |
| ·识别V型反转的步骤 | 第57-59页 |
| 第五章 短期趋势作为信号的模型 | 第59-67页 |
| ·建立模型 | 第59-61页 |
| ·建模思想 | 第59-61页 |
| ·趋势模型 | 第61页 |
| ·参数估计 | 第61-63页 |
| ·实验分析 | 第63-67页 |
| 第六章 长期趋势模型的建立与实证分析 | 第67-81页 |
| ·建立模型 | 第67页 |
| ·建模思想 | 第67页 |
| ·长期趋势模型 | 第67页 |
| ·建模过程 | 第67-78页 |
| ·长期趋势模型的检验 | 第78-81页 |
| 第七章 总结与展望 | 第81-83页 |
| ·本文总结 | 第81页 |
| ·未来工作 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读学位期间工作成果 | 第89页 |
