| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 第二章 关联分析方法及Copula理论研究 | 第14-25页 |
| 2.1 关联分析常用理论 | 第14-15页 |
| 2.2 Copula函数 | 第15-20页 |
| 2.2.1 Copula函数的定义和基本性质 | 第15-16页 |
| 2.2.2 Sklar定理及多维推广 | 第16页 |
| 2.2.3 Copula函数的分类 | 第16-20页 |
| 2.3 Copula模型中边缘分布的类型 | 第20-21页 |
| 2.3.1 自回归条件异方差模型 | 第20页 |
| 2.3.2 随机波动模型 | 第20-21页 |
| 2.3.3 极值理论模型 | 第21页 |
| 2.4 高频Copula模型及相关性分析 | 第21-24页 |
| 2.4.1 高频金融时间序列及其收益波动性研究 | 第21-22页 |
| 2.4.2 基于Copula模型的混频金融时间序列交易策略研究 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 Copula模型及金融时间序列的风险度量 | 第25-34页 |
| 3.1 边缘分布模型 | 第25-27页 |
| 3.1.1 时间序列平稳性检验 | 第25页 |
| 3.1.2 核密度估计 | 第25-27页 |
| 3.2 Copula模型的参数估计和检验 | 第27-30页 |
| 3.2.1 Copula模型的估计 | 第27-28页 |
| 3.2.2 一般模型检验方法 | 第28-29页 |
| 3.2.3 Copula模型检验方法 | 第29-30页 |
| 3.3 基于Copula理论的一致性和关联性测度 | 第30-32页 |
| 3.3.1 一致性和相关性测度 | 第30-31页 |
| 3.3.2 尾部相关性测度 | 第31-32页 |
| 3.4 金融时间序列收益风险测度方法 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 黄金、原油和道琼斯工业指数关联性研究 | 第34-44页 |
| 4.1 金融时间序列关联性的初步研究 | 第34-39页 |
| 4.1.1 数据采集及其描述性统计分析 | 第34-35页 |
| 4.1.2 多元金融时间序列相关性检验 | 第35-39页 |
| 4.2 基于Copula理论的实证分析 | 第39-41页 |
| 4.2.1 边缘分布模型的参数估计 | 第39页 |
| 4.2.2 Copula模型的参数估计 | 第39-40页 |
| 4.2.3 基于二元Clayton-Copula模型的黄金、原油关联性分析 | 第40-41页 |
| 4.2.4 基于二元Clayton-Copula模型的道股、原油关联性分析 | 第41页 |
| 4.3 基于多元Copula模型的风险性度量 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 高频金融数据关联分析及风险度量 | 第44-51页 |
| 5.1 高频金融时间序列关联性的初步研究 | 第44-47页 |
| 5.1.1 高频数据选择及其描述性统计分析 | 第44-45页 |
| 5.1.2 高频时间序列相关性检验 | 第45-47页 |
| 5.2 基于Copula理论的高频金融序列关联性分析 | 第47-50页 |
| 5.2.1 高频Copula模型的参数估计及检验 | 第47-48页 |
| 5.2.2 高频金融时序的关联性分析 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 发表文章目录 | 第56-57页 |
| 致谢 | 第57-58页 |
