摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-12页 |
1.1 选题背景及意义 | 第9-11页 |
1.2 论文的创新点 | 第11-12页 |
第2章 时间序列分析 | 第12-24页 |
2.1 时间序列分析的基本概念 | 第12-13页 |
2.1.1 均值、协方差和自相关函数 | 第12页 |
2.1.2 平稳性 | 第12-13页 |
2.2 平稳时间序列模型 | 第13-17页 |
2.2.1 滑动平均过程 | 第13页 |
2.2.1.1 定义 | 第13页 |
2.2.1.2 MA 模型的统计性质 | 第13页 |
2.2.2 自回归过程 | 第13-14页 |
2.2.2.1 定义 | 第13-14页 |
2.2.2.2 平稳 AR(p)模型的统计性质 | 第14页 |
2.2.3 自回归滑动平均混合模型 | 第14-15页 |
2.2.3.1 定义 | 第14-15页 |
2.2.3.2 ARMA 模型的统计性质 | 第15页 |
2.2.4 ARIMA 模型 | 第15页 |
2.2.5 模型的平稳性和可逆性 | 第15页 |
2.2.6 ARIMA 的 B-J 建模过程 | 第15-17页 |
2.2.6.1 单位根过程 | 第16页 |
2.2.6.2 模型定阶与参数估计 | 第16页 |
2.2.6.3 模型诊断 | 第16-17页 |
2.3 异方差时间序列模型 | 第17-21页 |
2.3.1 异方差的定义 | 第17页 |
2.3.2 自回归条件异方差模型(ARCH 模型) | 第17-18页 |
2.3.2.1 ARCH 的定义 | 第17-18页 |
2.3.2.2 ARCH 过程的基本性质 | 第18页 |
2.3.3 广义自回归条件异方差模型(GARCH 模型) | 第18-21页 |
2.3.3.1 定义 | 第18-19页 |
2.3.3.2 GARCH(p,q)模型的基本性质 | 第19页 |
2.3.3.3 GARCH(p,q)建模 | 第19-20页 |
2.3.3.4 GARCH(1,1)模型介绍 | 第20-21页 |
2.3.3.5 GARCH(1,1)模型预测 | 第21页 |
2.4 ARMA-GARCH 模型 | 第21-23页 |
2.4.1 ARMA-GARCH 模型介绍 | 第21-22页 |
2.4.2 ARMA(1,1)-GARCH(1,1)模型 | 第22页 |
2.4.3 标准化误差分布 | 第22-23页 |
2.4.3.1 正态分布 | 第22页 |
2.4.3.2 T 分布 | 第22-23页 |
2.4.3.3 广义误差分布(GED) | 第23页 |
2.5 BOOTSTRAP 方法 | 第23-24页 |
第3章 光滑检验 | 第24-29页 |
3.1 定义及基本思想 | 第24页 |
3.2 光滑检验 | 第24-26页 |
3.3 随机模拟 | 第26-28页 |
3.3.1 功效模拟 | 第26-28页 |
3.3.2 分量探测 | 第28页 |
3.4 基本结论 | 第28-29页 |
第4章 ARMA-GARCH 模型检验及 BOOTSTRAP 预测 | 第29-42页 |
4.1 数据描述 | 第29-31页 |
4.2 计算结果 | 第31-42页 |
4.2.1 预处理 | 第31-32页 |
4.2.1.1 ACF、PACF 图 | 第31页 |
4.2.1.2 单位根检验 | 第31-32页 |
4.2.2 ARMA 过程 | 第32-34页 |
4.2.2.1 参数估计 | 第32-33页 |
4.2.2.2 ARMA(2,2)模型的误差检验 | 第33-34页 |
4.2.3 异方差过程 | 第34-37页 |
4.2.3.1 ARCH 效应检验 | 第34-35页 |
4.2.3.2 ARMA-GARCH 建模 | 第35-37页 |
4.2.4 残差检验 | 第37-38页 |
4.2.5 模型预测 | 第38-42页 |
4.2.5.1 点预测 | 第38-39页 |
4.2.5.2 BOOTSTRAP 区间预测 | 第39-42页 |
第5章 结论 | 第42-43页 |
参考文献 | 第43-46页 |
攻读硕士学位期间发表的学术论文 | 第46-47页 |
致谢 | 第47-48页 |
附录:2009.1.5 -2013.4.24 一百英镑兑换美元值的汇率数据(行数据) | 第48-52页 |