| 中文摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-23页 |
| ·研究背景 | 第10-11页 |
| ·研究的目的和意义 | 第11-12页 |
| ·研究现状与文献综述 | 第12-20页 |
| ·本文章节安排及创新之处 | 第20-23页 |
| 第2章 单位根与线性协整理论概述 | 第23-43页 |
| ·单位根过程 | 第23-25页 |
| ·单位根检验 | 第25-31页 |
| ·DF与ADF检验 | 第26-27页 |
| ·PP检验 | 第27-28页 |
| ·KPSS检验 | 第28-29页 |
| ·SP检验 | 第29-31页 |
| ·协整及其表述定理 | 第31-36页 |
| ·协整的估计与检验 | 第36-42页 |
| ·单一方程的E-G(Engle-Granger)两步法 | 第37-39页 |
| ·基于系统检验法的Johansen协整检验法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 时间序列的非线性存在性检验 | 第43-58页 |
| ·非线性的定义 | 第43页 |
| ·非线性检验的方法 | 第43-52页 |
| ·平方残差的Q检验 | 第44-45页 |
| ·双谱检验(Bispectral Test) | 第45-47页 |
| ·BDS检验 | 第47页 |
| ·神经网络检验 | 第47-49页 |
| ·PCA检验 | 第49-50页 |
| ·邻近返回检验(Close Return Test) | 第50-52页 |
| ·Monte Carlo仿真模拟 | 第52-53页 |
| ·我国股市的非线性存在性分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 非线性时间序列的混沌与分形特征检验 | 第58-84页 |
| ·混沌与分形理论简介 | 第58-65页 |
| ·混沌的定义 | 第58-60页 |
| ·混沌特征的描述 | 第60-63页 |
| ·分形的定义 | 第63-64页 |
| ·分形特征的描述 | 第64-65页 |
| ·混沌与分形的关系 | 第65页 |
| ·混沌与分形理论在经济中的应用综述 | 第65-66页 |
| ·非线性时间序列中是否存在混沌的非参数检验方法 | 第66-75页 |
| ·相空间重构技术 | 第67-70页 |
| ·最大李雅普诺夫指数(Lyapunov Exponents)的计算 | 第70-72页 |
| ·Kolmogorov熵的计算 | 第72-73页 |
| ·Hurst指数与R/S检验 | 第73-75页 |
| ·Monte Carlo仿真模拟 | 第75-81页 |
| ·我国沪深股票指数的混沌与分形特征研究 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第5章 非线性时间序列的非平稳检验 | 第84-109页 |
| ·基于长记忆性、混合性概念的非平稳检验方法 | 第84-89页 |
| ·R/S检验法 | 第84-85页 |
| ·基于熵的相关系数法 | 第85-87页 |
| ·推广的KPSS检验 | 第87-88页 |
| ·Lyapunov指数法 | 第88-89页 |
| ·推广的单位根检验 | 第89-105页 |
| ·秩检验方法(Rank Test) | 第89-98页 |
| ·改进的秩检验方法 | 第98-101页 |
| ·全距检验方法(Range Unit-Root Test,RUR) | 第101-105页 |
| ·货市需求函数各变量的单位根秩检验与全距检验 | 第105-108页 |
| ·本章小结 | 第108-109页 |
| 第6章 非线性协整的非参数检验方法 | 第109-136页 |
| ·推广的E-G两步法 | 第109-110页 |
| ·非线性协整的秩检验理论 | 第110-118页 |
| ·协整关系的秩检验 | 第111-112页 |
| ·协整关系中存在非线性的秩检验 | 第112-113页 |
| ·非线性协整秩检验的临界值及其响应面函数 | 第113-118页 |
| ·记录数协整检验(Record Counting Cointegration Test,RCC) | 第118-121页 |
| ·中国与国际股市的非线性协整研究 | 第121-135页 |
| ·本章小结 | 第135-136页 |
| 第7章 非线性协整模型构造与估计的非参数方法 | 第136-172页 |
| ·ACE算法(Alternating Conditional Expections,ACE) | 第136-139页 |
| ·局部核权最小二乘法 | 第139-140页 |
| ·基于神经网络的非线性协整模型估计方法 | 第140-159页 |
| ·BP神经网络 | 第141-149页 |
| ·两隐层BP神经网络 | 第149-150页 |
| ·径向基网络(Radial Basis Function,RBF) | 第150-153页 |
| ·小波神经网络(Wavelet Neural Networks,WNN) | 第153-155页 |
| ·线性加强型神经网络 | 第155-156页 |
| ·应用遗传算法优化神经网络的参数 | 第156-159页 |
| ·Monte Carlo仿真实验研究 | 第159-165页 |
| ·实证研究 | 第165-170页 |
| ·本章小结 | 第170-172页 |
| 第8章 总结与展望 | 第172-175页 |
| 参考文献 | 第175-188页 |
| 在校期间发表论文及参与课题 | 第188-189页 |
| 后记 | 第189-190页 |
