基于小波分析的中国股市的多重分形辨识与应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-15页 |
| ·论文研究背景及意义 | 第10-11页 |
| ·研究现状及存在的问题 | 第11-13页 |
| ·研究现状 | 第11-13页 |
| ·存在的问题 | 第13页 |
| ·主要研究内容 | 第13-15页 |
| 2 分形与多重分形理论 | 第15-26页 |
| ·分形 | 第15-17页 |
| ·分形定义 | 第15页 |
| ·分形的例子 | 第15-17页 |
| ·分形时间序列 | 第17-18页 |
| ·分形时间序列的特征量 | 第18-20页 |
| ·分形维 | 第18-19页 |
| ·Hurst指数 | 第19-20页 |
| ·多重分形 | 第20-26页 |
| ·多重分形的定义 | 第21-22页 |
| ·时间序列的多重分形过程 | 第22页 |
| ·局部Holder指数 | 第22-23页 |
| ·多重分形谱 | 第23-26页 |
| 3 基于小波分析的证券市场数据消噪处理 | 第26-34页 |
| ·小波理论基础知识 | 第26-28页 |
| ·小波函数 | 第26-27页 |
| ·连续小波变换 | 第27页 |
| ·离散小波变换 | 第27页 |
| ·多分辨率分析 | 第27-28页 |
| ·基于小波多分辨分析的去噪原理 | 第28-30页 |
| ·阈值函数和阈值的选取 | 第29-30页 |
| ·小波函数的选择 | 第30页 |
| ·小波去噪效果评价准则 | 第30页 |
| ·本文研究的数据来源及数据的消噪处理 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于WTMM的证券市场多重分形辨识 | 第34-42页 |
| ·基于WTMM的多重分形谱的计算方法 | 第35-36页 |
| ·小波变换的模极大 | 第35页 |
| ·利用WTMM计算多重分形谱 | 第35-36页 |
| ·WTMM方法的有效性检验 | 第36-37页 |
| ·股市波动的多重分形辨识实证研究 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 5 基于小波神经网络的股市时间序列预测 | 第42-50页 |
| ·小波神经网络 | 第42-44页 |
| ·股票市场时间序列的相关性检验与预测的实证研究 | 第44-49页 |
| ·相关性检验 | 第44-46页 |
| ·股价指数时间序列的预测 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 6 结论与展望 | 第50-52页 |
| ·全文总结 | 第50页 |
| ·研究展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
