| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 论文研究的背景 | 第10-14页 |
| 1.1.1 金融市场联系紧密，剧烈动荡 | 第10-11页 |
| 1.1.2 金融时间序列分析的发展历程回顾 | 第11-12页 |
| 1.1.3 高频数据计量经济学成为理论热点 | 第12-14页 |
| 1.2 问题的提出与选题意义 | 第14-16页 |
| 1.2.1 问题的提出 | 第14-15页 |
| 1.2.2 选题意义 | 第15-16页 |
| 1.3 论文的结构与创新点 | 第16-17页 |
| 1.3.1 论文的主要结构 | 第16-17页 |
| 1.3.2 论文的创新点 | 第17页 |
| 1.4 论文的研究方法及研究工具 | 第17-18页 |
| 第二章 金融（超）高频数据波动建模与应用研究进展综述 | 第18-33页 |
| 2.1 金融（超）高频数据波动建模研究 | 第18-24页 |
| 2.1.1 基于金融高频数据的计量模型 | 第18-19页 |
| 2.1.2 基于金融超高频数据的计量模型 | 第19-22页 |
| 2.1.3 基于“已实现”波动理论的高频数据计量模型 | 第22-23页 |
| 2.1.4 高频数据非线性模型 | 第23页 |
| 2.1.5 乘积误差模型（Multiplicative Error Model, MEM）的提出 | 第23-24页 |
| 2.2 基于高频数据的金融资产相关性研究 | 第24-29页 |
| 2.2.1 基于多元GARCH模型的金融资产相关性研究 | 第24-25页 |
| 2.2.2 基于“已实现”波动理论的金融资产相关性研究 | 第25-27页 |
| 2.2.3 基于Copula理论的金融资产相关性研究 | 第27-29页 |
| 2.2.4 基于高频数据下金融资产相关性研究的其他方法 | 第29页 |
| 2.3 基于高频数据的金融市场波动溢出研究 | 第29-31页 |
| 2.3.1 基于资产价格相关性的波动溢出分析 | 第29-30页 |
| 2.3.2 基于GARCH模型的波动溢出分析 | 第30-31页 |
| 2.3.3 基于“已实现”协方差阵的波动溢出分析 | 第31页 |
| 2.3.4 基于高频数据的金融市场波动溢出分析的其他方法 | 第31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于MEM模型的金融市场高频数据建模与波动溢出分析 | 第33-44页 |
| 3.1 乘积误差模型（MEM）及其参数估计 | 第33-35页 |
| 3.2 基于MEM模型的金融市场波动溢出分析的理论架构 | 第35-36页 |
| 3.2.1 金融市场波动溢出的概念 | 第35页 |
| 3.2.2 基于MEM模型的金融市场波动溢出分析的理论框架 | 第35-36页 |
| 3.3 “已实现”波动的一种改进——调整“已实现”波动 | 第36-38页 |
| 3.3.1 “已实现”波动的测量误差 | 第36-37页 |
| 3.3.2 调整“已实现”波动 | 第37-38页 |
| 3.4 基于MEM模型的中国金融市场建模与波动溢出分析的实证研究 | 第38-43页 |
| 3.4.1 数据描述 | 第38页 |
| 3.4.2 “已实现”波动和调整“已实现”波动的统计特征概述 | 第38-40页 |
| 3.4.3 利用“已实现”标准差和调整“已实现”标准差标准化后收益率特征比较 | 第40-41页 |
| 3.4.4 股市指数调整“已实现”波动率的波动建模 | 第41-42页 |
| 3.4.5 基于MEM模型的股票市场波动溢出分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于Copula-MEM模型的金融市场相关性分析与建模研究 | 第44-61页 |
| 4.1 Copula函数的相关定理和基本性质 | 第44-45页 |
| 4.1.1 多元Copula函数的相关定理 | 第44-45页 |
| 4.1.2 Copula函数的基本性质 | 第45页 |
| 4.2 Copula函数的分类 | 第45-47页 |
| 4.2.1 多元正态Copula函数（Multivariate Gaussian Copula－MVN） | 第45-46页 |
| 4.2.2 多元t-Copula函数（Multivariate Student’s Copula－MVT） | 第46页 |
| 4.2.3 阿基米德Copula函数（Archimedean Copula） | 第46-47页 |
| 4.3 基于Copula理论的一致性和相关性测度 | 第47页 |
| 4.3.1 Kendall秩相关系数 | 第47页 |
| 4.3.2 Spearman秩相关系数 | 第47页 |
| 4.3.3 Gini关联系数 | 第47页 |
| 4.4 Copula函数的构建 | 第47-51页 |
| 4.4.1 金融时间序列的边缘分布模型 | 第48页 |
| 4.4.2 Copula函数与相关性分析 | 第48-51页 |
| 4.5 Copula模型的估计和检验 | 第51-52页 |
| 4.5.1 Copula模型的估计 | 第51页 |
| 4.5.2 Copula模型的检验与评价 | 第51-52页 |
| 4.6 基于Copula-MEM模型的中国股票市场的相关程度与相关模式研究 | 第52-60页 |
| 4.6.1 Copula模型的选取 | 第53页 |
| 4.6.2 Copula模型的估计与评价 | 第53-56页 |
| 4.6.3 高频数据下中国股票市场相关程度与相关模式的分析 | 第56-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 基于Copula-门限MEM模型的金融市场波动溢出分析 | 第61-76页 |
| 5.1 门限模型简介 | 第62-63页 |
| 5.2 门限MEM模型的构建及其经济意义 | 第63-64页 |
| 5.3 非线性检验 | 第64-65页 |
| 5.4 门限值识别的方法 | 第65页 |
| 5.5 基于Copula理论的金融市场波动溢出分析 | 第65-68页 |
| 5.5.1 变结构Copula模型 | 第65-66页 |
| 5.5.2 基于Copula-门限MEM模型的金融市场波动溢出分析 | 第66-68页 |
| 5.6 实证研究 | 第68-74页 |
| 5.6.1 数据描述 | 第68-69页 |
| 5.6.2 门限值的设定 | 第69-70页 |
| 5.6.3 建立两体制门限MEM(2,1,1)模型 | 第70-71页 |
| 5.6.4 基于Copula-门限MEM模型的金融市场波动溢出分析 | 第71-74页 |
| 5.7 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 论文工作总结 | 第76-77页 |
| 6.1.1 金融（超）高频数据波动建模及其应用研究进展综述 | 第76-77页 |
| 6.1.2 基于Copula-MEM模型的中国金融市场波动相关性分析 | 第77页 |
| 6.1.3 基于MEM模型的中国金融市场波动溢出分析 | 第77页 |
| 6.2 未来研究展望 | 第77-79页 |
| 参考文献 | 第79-89页 |
| 发表论文和参加科研情况说明 | 第89-90页 |
| 致谢 | 第90-91页 |
