非线性滤波算法及在神经网络与金融市场建模中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-13页 |
| 1 绪论 | 第13-31页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·国内外研究现状及发展趋势 | 第15-27页 |
| ·非线性滤波理论的研究现状 | 第15-16页 |
| ·前馈神经网络及训练方法研究现状 | 第16-21页 |
| ·金融市场微结构模型及估计方法的研究现状 | 第21-27页 |
| ·本文的研究内容和结构安排 | 第27-31页 |
| 2 基于状态空间模型的非线性滤波方法 | 第31-53页 |
| ·概述 | 第31-33页 |
| ·动态系统的状态空间模型 | 第33-36页 |
| ·扩展卡尔曼滤波 | 第34-35页 |
| ·无忌卡尔曼滤波 | 第35-36页 |
| ·标准粒子滤波 | 第36-38页 |
| ·改进的粒子滤波—APF-IEKF | 第38-42页 |
| ·辅助粒子滤波 | 第38-39页 |
| ·迭代扩展卡尔曼滤波 | 第39-41页 |
| ·迭代扩展卡尔曼辅助粒子滤波 | 第41-42页 |
| ·仿真实验及结果分析 | 第42-50页 |
| ·非线性系统仿真 | 第42-46页 |
| ·非线性高斯系统仿真 | 第46-49页 |
| ·期权数据仿真 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 3 基于非线性滤波的MLP网络训练 | 第53-71页 |
| ·概述 | 第53-54页 |
| ·基于APNCPF的MLP网络学习 | 第54-64页 |
| ·MLP网络结构 | 第55页 |
| ·MLP网络的状态空间模型 | 第55-56页 |
| ·APNCPF训练算法 | 第56-59页 |
| ·非线性高斯时间序列仿真 | 第59-62页 |
| ·期权数据仿真 | 第62-64页 |
| ·基于自组织状态空间模型的MLP网络学习算法 | 第64-69页 |
| ·MLP网络的自组织状态空间模型 | 第64-65页 |
| ·基于粒子滤波的自组织状态空间MLP网络训练算法 | 第65-66页 |
| ·仿真实验及结果分析 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 4 基于非线性滤波的RBF网络训练 | 第71-89页 |
| ·概述 | 第71-72页 |
| ·基于非线性滤波的RBF网络学习 | 第72-80页 |
| ·RBF网络结构 | 第72-73页 |
| ·RBF网络的状态空间模型 | 第73-74页 |
| ·基于APNCPF的RBF网络训练 | 第74-78页 |
| ·基于自组织状态空间模型的RBF网络训练 | 第78-80页 |
| ·基于EKF-EM算法的RBF-AR模型参数辨识 | 第80-87页 |
| ·RBF-AR模型的状态空间模型 | 第80-81页 |
| ·EKF-EM算法 | 第81-85页 |
| ·仿真试验及结果分析 | 第85-87页 |
| ·本章小结 | 第87-89页 |
| 5 基于UKF估计的跳跃市场微结构模型 | 第89-115页 |
| ·概述 | 第89-91页 |
| ·市场微结构模型 | 第91-92页 |
| ·连续市场微结构模型 | 第91-92页 |
| ·连续市场微结构模型的离散化 | 第92页 |
| ·市场微结构模型的金融意义 | 第92页 |
| ·跳跃市场微结构模型 | 第92-94页 |
| ·加入跳跃的连续市场微结构模型 | 第92-93页 |
| ·连续跳跃市场微结构模型的离散化 | 第93-94页 |
| ·跳跃市场微结构模型的估计 | 第94-97页 |
| ·跳跃的检测 | 第94-95页 |
| ·参数估计 | 第95-97页 |
| ·模拟数据仿真 | 第97-101页 |
| ·我国股票市场的实证研究 | 第101-107页 |
| ·数据特征分析 | 第101-103页 |
| ·实证结果分析 | 第103-107页 |
| ·我国和美国股票市场的对比研究 | 第107-112页 |
| ·数据特征分析 | 第107-109页 |
| ·实证结果对比分析 | 第109-112页 |
| ·本章小结 | 第112-115页 |
| 6 基于MCMC估计的杠杆效应市场微结构模型 | 第115-131页 |
| ·概述 | 第115-116页 |
| ·具有杠杆效应的市场微结构模型 | 第116-118页 |
| ·杠杆效应市场微结构模型估计 | 第118-120页 |
| ·模拟数据仿真分析 | 第120-123页 |
| ·我国股市的非对称性研究 | 第123-127页 |
| ·数据特征分析 | 第123-124页 |
| ·实证结果 | 第124-126页 |
| ·我国股市非对称性结果分析 | 第126-127页 |
| ·美国股市的非对称性研究 | 第127-130页 |
| ·数据特征分析 | 第127-128页 |
| ·实证结果 | 第128-129页 |
| ·美国股市非对称性结果分析 | 第129-130页 |
| ·本章小结 | 第130-131页 |
| 7 基于MCMC估计的厚尾市场微结构模型 | 第131-153页 |
| ·概述 | 第131-132页 |
| ·学生t分布的厚尾性 | 第132-134页 |
| ·厚尾市场微结构模型 | 第134-136页 |
| ·厚尾市场微结构模型估计 | 第136-138页 |
| ·仿真研究 | 第138-140页 |
| ·中美股票市场实证研究 | 第140-152页 |
| ·数据选取 | 第140页 |
| ·统计特性分析 | 第140-142页 |
| ·自相关性检验 | 第142-143页 |
| ·数据拟合结果分析 | 第143-147页 |
| ·模型绩效比较 | 第147-152页 |
| ·本章小结 | 第152-153页 |
| 8 结论与展望 | 第153-155页 |
| ·结论 | 第153-154页 |
| ·展望 | 第154-155页 |
| 参考文献 | 第155-173页 |
| 攻读学位期间主要的研究成果 | 第173-175页 |
| 致谢 | 第175页 |
