摘要 | 第5-7页 |
Abstract | 第7-9页 |
英文缩略词 | 第16-17页 |
第一章 绪论 | 第17-25页 |
1.1 选题背景及意义 | 第17-19页 |
1.1.1 研究背景 | 第17-18页 |
1.1.2 研究意义 | 第18-19页 |
1.2 研究内容与方法 | 第19-23页 |
1.2.1 研究内容 | 第20-21页 |
1.2.2 研究方法 | 第21-23页 |
1.3 本文创新之处 | 第23-25页 |
第二章 文献综述与理论基础 | 第25-46页 |
2.1 波动率特征分析 | 第25-28页 |
2.2 连续时间框架下长记忆随机波动率模型及参数估计 | 第28-33页 |
2.2.1 随机波动率模型 | 第28-29页 |
2.2.2 长记忆随机波动率模型 | 第29-30页 |
2.2.3 长记忆随机波动率模型参数估计方法 | 第30-32页 |
2.2.4 参数估计的评判准则 | 第32-33页 |
2.3 已实现波动率及微观结构噪声 | 第33-37页 |
2.3.1 已实现波动率的定义 | 第34-36页 |
2.3.2 市场微观结构噪声 | 第36-37页 |
2.4 条件异方差模型 | 第37-42页 |
2.4.1 单变量条件异方差模型 | 第37-39页 |
2.4.2 多变量条件异方差模型 | 第39-42页 |
2.5 预测技术 | 第42-45页 |
2.5.1 损失函数 | 第42-43页 |
2.5.2 预测效果检验 | 第43-45页 |
2.6 本章小结 | 第45-46页 |
第三章 变差方法下的长记忆随机波动率参数估计 | 第46-63页 |
3.1 长记忆随机波动率模型及性质 | 第46-53页 |
3.2 变差方法下长记忆随机波动模型的参数估计 | 第53-57页 |
3.3 估计量的渐近性质 | 第57-59页 |
3.4 Monte-Carlo模拟 | 第59-62页 |
3.5 本章小结 | 第62-63页 |
第四章 滤子变差方法下的长记忆随机波动率参数估计 | 第63-83页 |
4.1 知识准备 | 第63-65页 |
4.2 波动率σ~2的点估计 | 第65-68页 |
4.3 赫斯特指数H和扩散项系数β的联合估计 | 第68-73页 |
4.4 漂移项参数α的估计 | 第73-79页 |
4.5 滤子变差法估计的应用研究 | 第79-81页 |
4.6 本章小结 | 第81-83页 |
第五章 微观结构噪声下已实现波动率的估计与预测 | 第83-106页 |
5.1 波动率整合方差与双时间尺度已实现波动率 | 第83-85页 |
5.2 自回归预测模型 | 第85-89页 |
5.2.1 预测模型的理论依据 | 第85-87页 |
5.2.2 自回归预测模型 | 第87-89页 |
5.3 不同路径形式下的Monte-Carlo模拟 | 第89-97页 |
5.3.1 Heston模型 | 第90-91页 |
5.3.2 跳跃扩散模型 | 第91-92页 |
5.3.3 对数波动率模型 | 第92页 |
5.3.4 异质性自回归已实现波动率模型 | 第92-96页 |
5.3.5 分数Ornstein-Uhlenbeck模型 | 第96-97页 |
5.4 实证分析 | 第97-105页 |
5.4.1 实证数据收集与特征分析 | 第97-102页 |
5.4.2 整合波动率Ⅳ的预测与SPA检验 | 第102-104页 |
5.4.3 预测精度SPA检验与比较 | 第104-105页 |
5.5 本章小结 | 第105-106页 |
第六章 基于独立成分分析的多元汇率时间序列预测 | 第106-127页 |
6.1 独立成分分析 | 第106页 |
6.2 多元波动率预测模型及其在汇率波动率中的应用 | 第106-118页 |
6.2.1 常见的多元GARCH模型 | 第107-108页 |
6.2.2 IC-GARCH模型的改进 | 第108-109页 |
6.2.3 预测方法及检验 | 第109-111页 |
6.2.4 人民币汇率波动率的实证分析 | 第111-118页 |
6.3 IC-BP预测网络及其在汇率预测中的应用 | 第118-125页 |
6.3.1 IC-BP预测网络的设计 | 第118-122页 |
6.3.2 人民币汇率预测实例分析 | 第122-125页 |
6.4 本章小结 | 第125-127页 |
结论 | 第127-130页 |
参考文献 | 第130-145页 |
攻读博士学位期间取得的研究成果 | 第145-147页 |
致谢 | 第147-149页 |
附件 | 第149页 |