多尺度下长记忆金融混沌序列预测研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 选题背景及研究意义 | 第12-13页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 金融混沌序列的国内外研究进展 | 第13-17页 |
| 1.2.1 金融混沌序列的分形特征研究 | 第13-15页 |
| 1.2.2 金融混沌序列的混沌特征研究 | 第15-16页 |
| 1.2.3 金融混沌序列的预测方法研究 | 第16-17页 |
| 1.3 研究内容和研究思路 | 第17-20页 |
| 1.3.1 研究内容 | 第17-19页 |
| 1.3.2 研究思路 | 第19-20页 |
| 1.4 本文创新点 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 金融市场分形特征研究 | 第22-33页 |
| 2.1 金融市场分形理论与方法研究 | 第22-24页 |
| 2.1.1 单分形过程 | 第22页 |
| 2.1.2 重标极差(R/S)分析法 | 第22-24页 |
| 2.2 集合经验模态分解 | 第24-26页 |
| 2.2.1 经验模态分解 | 第24-25页 |
| 2.2.2 集合经验模态分解 | 第25-26页 |
| 2.3 金融市场的分形特征实证分析 | 第26-32页 |
| 2.3.1 数据的选取 | 第26页 |
| 2.3.2 沪深300指数EEMD分解 | 第26-29页 |
| 2.3.3 金融市场单分形特征研究 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 金融市场多重分形特征研究 | 第33-40页 |
| 3.1 金融市场多重分形方法研究 | 第33-35页 |
| 3.1.1 多重分形过程 | 第33页 |
| 3.1.2 局部H(?)lder指数 | 第33页 |
| 3.1.3 多重分形谱 | 第33-34页 |
| 3.1.4 多重分形消除趋势波动分析 | 第34-35页 |
| 3.2 金融市场多重分形实证分析 | 第35-39页 |
| 3.2.1 数据描述 | 第35页 |
| 3.2.2 金融市场多重分形特征研究 | 第35-37页 |
| 3.2.3 多重分形特征的成因 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 金融市场混沌特性研究 | 第40-52页 |
| 4.1 混沌的定义及特征 | 第40页 |
| 4.2 金融市场混沌特征理论与方法研究 | 第40-44页 |
| 4.2.1 金融市场的非线性检验 | 第40-41页 |
| 4.2.2 金融市场的确定性检验 | 第41页 |
| 4.2.3 相空间重构 | 第41-44页 |
| 4.3 金融市场混沌特性实证分析 | 第44-51页 |
| 4.3.1 数据的选取 | 第44页 |
| 4.3.2 BDS检验 | 第44页 |
| 4.3.3 确定性检验 | 第44-46页 |
| 4.3.4 相空间重构 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于SVR的金融市场混沌序列预测研究 | 第52-61页 |
| 5.1 混沌序列预测理论与方法研究 | 第52-54页 |
| 5.1.1 集合经验模态分解 | 第52页 |
| 5.1.2 相空间重构 | 第52-53页 |
| 5.1.3 支持向量机 | 第53-54页 |
| 5.1.4 粒子群(PSO)优化SVR算法 | 第54页 |
| 5.2 EEMD-PSVR预测模型的建立 | 第54-56页 |
| 5.3 中国金融市场混沌序列预测实证分析 | 第56-59页 |
| 5.3.1 数据选取 | 第56页 |
| 5.3.2 EEMD分解 | 第56-57页 |
| 5.3.3 相空间重构 | 第57-58页 |
| 5.3.4 基于SVR的混沌序列预测 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 结论与展望 | 第61-63页 |
| 1、结论 | 第61-62页 |
| 2、展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第68-69页 |
