| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 问题的提出 | 第15-17页 |
| 1.1.1 研究的背景 | 第15-16页 |
| 1.1.2 研究的目的和意义 | 第16-17页 |
| 1.2 国内外研究现状及评述 | 第17-28页 |
| 1.2.1 国内外在交易系统上的研究现状 | 第17-19页 |
| 1.2.2 国内外在VaR上的研究现状 | 第19-27页 |
| 1.2.3 现有研究评述 | 第27-28页 |
| 1.3 主要研究内容及实施方案 | 第28-30页 |
| 1.3.1 主要研究内容 | 第28页 |
| 1.3.2 研究方法和技术路线 | 第28-30页 |
| 第2章 基于非线性方法和VAR的均线交易系统的理论基础 | 第30-52页 |
| 2.1 交易系统的有关理论 | 第30-33页 |
| 2.1.1 交易系统的定义 | 第30页 |
| 2.1.2 交易系统的优点 | 第30-31页 |
| 2.1.3 交易系统的策略 | 第31-32页 |
| 2.1.4 交易系统的典型构造 | 第32-33页 |
| 2.2 支持向量机 | 第33-48页 |
| 2.2.1 统计学习理论与支持向量机算法 | 第34页 |
| 2.2.2 学习问题的表述 | 第34-37页 |
| 2.2.3 统计学习理论 | 第37-40页 |
| 2.2.4 支持向量机 | 第40-44页 |
| 2.2.5 非线性支持向量机 | 第44-48页 |
| 2.3 VaR | 第48-51页 |
| 2.3.1 VaR 的定义 | 第48-50页 |
| 2.3.2 VaR的功能 | 第50页 |
| 2.3.3 VaR的研究方法 | 第50-51页 |
| 2.4 本章小结 | 第51-52页 |
| 第3章 基于非线性方法的阿尔法模型研究 | 第52-71页 |
| 3.1 理论分析 | 第52-61页 |
| 3.1.1 模式识别 | 第52-54页 |
| 3.1.2 基于支持向量机的分类算法 | 第54-59页 |
| 3.1.3 多目标非支配解算法 | 第59-61页 |
| 3.2 实证分析 | 第61-70页 |
| 3.2.1 构建基于SVM分类器的均线交易系统 | 第61-66页 |
| 3.2.2 优化基于SVM的均线交易系统参数 | 第66-70页 |
| 3.3 本章小结 | 第70-71页 |
| 第4章 基于非特定时间动态VAR的风险控制模型研究 | 第71-92页 |
| 4.1 理论分析 | 第71-72页 |
| 4.2 模型分析 | 第72-77页 |
| 4.2.1 GARCH 模型 | 第72-74页 |
| 4.2.2 GARCH 模型的参数估计 | 第74-75页 |
| 4.2.3 推导价格预测模型 | 第75-76页 |
| 4.2.4 构建基于非特定时间动态VaR的风险控制模型 | 第76-77页 |
| 4.3 实证分析 | 第77-91页 |
| 4.3.1 数据样本与选取 | 第77-83页 |
| 4.3.2 GARCH模型的建立 | 第83页 |
| 4.3.3 构建基于非特定时间动态VaR的风险控制模型 | 第83-88页 |
| 4.3.4 基于非特定时间动态VaR模型进行交易策略优化 | 第88-91页 |
| 4.4 本章小结 | 第91-92页 |
| 第5章 基于非线性方法和VAR的均线交易系统研究 | 第92-114页 |
| 5.1 VaR比较分析 | 第92-106页 |
| 5.1.1 数据样本和选取 | 第92-94页 |
| 5.1.2 交易系统收益率序列分布特征分析 | 第94-100页 |
| 5.1.3 VaR分布的统计描述 | 第100-104页 |
| 5.1.4 威尔科克森秩和检验 | 第104-106页 |
| 5.2 构建基于非线性方法和VaR的均线交易系统 | 第106-112页 |
| 5.2.1 非特定时间动态VaR求解 | 第106-110页 |
| 5.2.2 构建基于非线性方法和VaR的均线交易系统 | 第110-112页 |
| 5.4 本章小结 | 第112-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-123页 |
| 附录 | 第123-150页 |
| 攻读博士学位期间发表的论文 | 第150-152页 |
| 致谢 | 第152-153页 |
| 个人简历 | 第153页 |
