| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-20页 |
| 1.1 问题的提出 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-17页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-17页 |
| 1.3.3 创新点 | 第17页 |
| 1.4 研究思路及技术路线 | 第17-20页 |
| 1.4.1 研究的主要内容 | 第17-18页 |
| 1.4.2 拟采取的研究思路和方法 | 第18-20页 |
| 2 ARCH模型与GMDH神经网络的基本概念 | 第20-24页 |
| 2.1 ARCH模型的理论基础 | 第20-21页 |
| 2.2 GMDH方法理论基础 | 第21-24页 |
| 3 ARCH模型在中国股票市场中的应用 | 第24-36页 |
| 3.1 数据的分布特征 | 第24-32页 |
| 3.1.1 收盘价与收益率 | 第24-25页 |
| 3.1.2 收益率的分布特征 | 第25-28页 |
| 3.1.3 平稳性检验 | 第28-31页 |
| 3.1.4 ARCH效应检验 | 第31-32页 |
| 3.2 建立ARCH模型 | 第32-34页 |
| 3.3 模型预测 | 第34-36页 |
| 4 非线性ARCH过程的建模与参数估计 | 第36-44页 |
| 4.1 数据预处理 | 第36页 |
| 4.2 非线性检验 | 第36-38页 |
| 4.3 模型估计 | 第38-40页 |
| 4.4 模型效果比较 | 第40-44页 |
| 5 非线性结构ARCH模型预测精度的进一步改善 | 第44-54页 |
| 5.1 数据预处理 | 第45-46页 |
| 5.2 新息（Innovation）的引入 | 第46-48页 |
| 5.2.1 引入“投资者情绪” | 第46-47页 |
| 5.2.2 引入对数化“投资者情绪” | 第47-48页 |
| 5.3 模型预测 | 第48-54页 |
| 6 结论和展望 | 第54-58页 |
| 6.1 主要结论 | 第54-55页 |
| 6.2 展望 | 第55-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-73页 |
| 附录1 引入“投资者情绪”建立的非线性ARCH模型 | 第62-64页 |
| 附录2 引入对数化“投资者情绪”建立的非线性ARCH模型 | 第64-73页 |
| 后记 | 第73页 |