| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 前言 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 2 马尔可夫链蒙特卡罗方法 | 第12-15页 |
| 2.1 两个常用的MCMC算法 | 第13-14页 |
| 2.1.1 Metropolis Hasting算法 | 第13-14页 |
| 2.1.2 Gibbs抽样 | 第14页 |
| 2.2 MCMC算法的收敛性诊断 | 第14-15页 |
| 2.3 实现MCMC算法的软件 | 第15页 |
| 3 高频数据的特征分析 | 第15-17页 |
| 3.1 价格的离散性 | 第15-16页 |
| 3.2 持续期的日模式 | 第16-17页 |
| 3.3 其他特征 | 第17页 |
| 4 价格变化模型 | 第17-24页 |
| 4.1 顺序概率模型 | 第17页 |
| 4.2 参数的先验分布 | 第17-18页 |
| 4.3 贝叶斯条件后验分布的推导 | 第18-19页 |
| 4.4 顺序概率模型的MCMC抽样算法 | 第19页 |
| 4.5 模拟 | 第19-21页 |
| 4.6 实证分析 | 第21-24页 |
| 5 门限持续期模型 | 第24-33页 |
| 5.1 持续期模型介绍 | 第24-25页 |
| 5.2 非线性检验 | 第25-27页 |
| 5.2.1 Ori-F检验 | 第25页 |
| 5.2.2 门限检验 | 第25-27页 |
| 5.3 参数的贝叶斯推导 | 第27-29页 |
| 5.4 TSCD模型的MH抽样算法 | 第29页 |
| 5.5 实证分析 | 第29-33页 |
| 6 价格变化和持续期的二元模型 | 第33-39页 |
| 6.1 模型介绍 | 第33-34页 |
| 6.2 参数的贝叶斯推导 | 第34-35页 |
| 6.3 PCD模型的MCMC抽样算法 | 第35-36页 |
| 6.4 实证分析 | 第36-39页 |
| 7 总结和讨论 | 第39-41页 |
| 7.1 总结 | 第39-40页 |
| 7.2 讨论 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 附录 | 第45-69页 |
| 附录A 浦发银行3月24日9:30:00-9:34:04的价格变化与持续期 | 第45-51页 |
| 附录B 高频数据的特征分析程序 | 第51-52页 |
| 附录C 价格变化的顺序概率模型程序 | 第52-58页 |
| 附录D 持续期模型程序 | 第58-69页 |
| 附录E 攻读硕士学位期间发表的学术论文 | 第69页 |