| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 选题背景及研究意义 | 第12-15页 |
| 1.1.1 选题背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外相关技术研究现状 | 第15-21页 |
| 1.2.1 高频交易研究现状 | 第15-16页 |
| 1.2.2 价格跳跃行为研究现状 | 第16-18页 |
| 1.2.3 深度学习理论及技术研究现状 | 第18-21页 |
| 1.3 本文研究思路与技术路线 | 第21-22页 |
| 1.4 论文特色与创新性 | 第22-23页 |
| 1.5 本文章节结构 | 第23-24页 |
| 1.6 本章小结 | 第24-25页 |
| 第二章 跳侦测方法与深度学习理论基础研究 | 第25-39页 |
| 2.1 价格跳跃侦测方法理论基础及分析 | 第25-30页 |
| 2.1.1 理论框架 | 第25-26页 |
| 2.1.2 Barndorff-Nielsen和Shephard检验(BNS方法) | 第26-27页 |
| 2.1.3 Lee和Mykland检验(LM方法) | 第27-28页 |
| 2.1.4 A?t-Sahalia和Jacod检验(AJ方法) | 第28-30页 |
| 2.1.5 方法选取与问题分析 | 第30页 |
| 2.2 深度学习理论基础及分析 | 第30-37页 |
| 2.2.1 循环神经网络 | 第30-35页 |
| 2.2.2 长短时记忆网络 | 第35-37页 |
| 2.3 本章小结 | 第37-39页 |
| 第三章 基于LM无参数跳跃侦测方法的交易策略构建 | 第39-46页 |
| 3.1 数据选取与预处理 | 第39页 |
| 3.2 价格跳跃实证分析 | 第39-44页 |
| 3.3 交易策略构建方法 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于深度学习方法的交易策略改进与构建 | 第46-54页 |
| 4.1 模型输入变量与输出变量定义 | 第46-48页 |
| 4.2 LSTM网络结构设计与训练优化 | 第48-50页 |
| 4.3 完整交易策略优化设计 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 交易策略回测结果及分析 | 第54-62页 |
| 5.1 评价指标介绍 | 第54-56页 |
| 5.2 基于LM无参数跳跃侦测初步策略结果分析 | 第56-57页 |
| 5.3 深度学习优化后LM跳侦测策略结果分析 | 第57-59页 |
| 5.4 基准策略结果对比分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间发表论文 | 第70-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-80页 |
