| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究思路及结构安排 | 第12-15页 |
| 1.3.1 研究思路 | 第12-13页 |
| 1.3.2 结构安排 | 第13-15页 |
| 2 金融随机波动模型及其参数估计 | 第15-21页 |
| 2.1 金融SV模型介绍 | 第15-18页 |
| 2.1.1 SV模型一般结构的推导 | 第15-16页 |
| 2.1.2 标准SV模型 | 第16-17页 |
| 2.1.3 厚尾SV-T模型 | 第17-18页 |
| 2.2 SV模型的参数估计方法 | 第18-21页 |
| 2.2.1 马尔科夫链蒙特卡罗方法 | 第18-19页 |
| 2.2.2 其他估计方法 | 第19-21页 |
| 3 混合高斯状态空间模型及其滤波技术 | 第21-31页 |
| 3.1 线性状态空间模型及其卡尔曼滤波分析 | 第21-23页 |
| 3.1.1 线性状态空间模型 | 第21-22页 |
| 3.1.2 卡尔曼滤波分析 | 第22-23页 |
| 3.2 混合高斯状态空间模型及其近似滤波分析 | 第23-28页 |
| 3.2.1 混合高斯状态空间模型 | 第23-24页 |
| 3.2.2 确切滤波 | 第24-26页 |
| 3.2.3 近似滤波 | 第26-28页 |
| 3.3 模拟研究 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 标准SV模型的估计及其在原油现货市场中的应用 | 第31-43页 |
| 4.1 混合高斯状态空间下标准SV模型的参数估计及其滤波分析 | 第31-37页 |
| 4.1.1 标准SV模型的线性、混合高斯状态空间形式 | 第31-32页 |
| 4.1.2 基于MCMC和模拟EM混合算法的参数估计 | 第32-34页 |
| 4.1.3 模拟研究 | 第34-37页 |
| 4.2 WTI原油现货市场时变波动性预测的应用研究 | 第37-41页 |
| 4.2.1 WTI原油现货价格日数据的统计描述及其左偏长尾性 | 第37-39页 |
| 4.2.2 标准SV-N模型的参数估计 | 第39页 |
| 4.2.3 WTI原油现货价格时变波动性的预测 | 第39-40页 |
| 4.2.4 效果评价 | 第40-41页 |
| 4.3 本章小结 | 第41-43页 |
| 5 厚尾SV模型的估计及其在沪深股市中的应用 | 第43-55页 |
| 5.1 混合高斯状态空间下厚尾SV模型的参数估计及其滤波分析 | 第43-45页 |
| 5.1.1 厚尾SV-T模型的高斯混合状态空间形式 | 第43-44页 |
| 5.1.2 基于MCMC和模拟EM混合算法的参数估计 | 第44-45页 |
| 5.2 沪深股市大盘指数波动的实证研究 | 第45-52页 |
| 5.2.1 沪深股市大盘指数日收益率的统计描述及其左偏长尾性 | 第45-47页 |
| 5.2.2 厚尾SV-T模型的参数估计 | 第47-48页 |
| 5.2.3 混合高斯分布的参数估计 | 第48-49页 |
| 5.2.4 沪深股市大盘指数波动预测 | 第49-51页 |
| 5.2.5 效果评价 | 第51-52页 |
| 5.3 本章小结 | 第52-55页 |
| 6 结论与展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第63页 |
