| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究现状 | 第8-10页 |
| 1.2 本文主要工作 | 第10-11页 |
| 1.3 本文结构 | 第11-12页 |
| 第二章 传统模型介绍 | 第12-16页 |
| 2.1 传统的GARCH模型 | 第12-14页 |
| 2.1.1 ARCH模型 | 第12-13页 |
| 2.1.2 GARCH模型 | 第13页 |
| 2.1.3 EGARCH模型 | 第13-14页 |
| 2.1.4 TGARCH模型 | 第14页 |
| 2.2 隐含波动率模型 | 第14-16页 |
| 2.2.1 Black-Scholes模型隐含波动率 | 第14-16页 |
| 第三章 GARCH模型实证研究 | 第16-25页 |
| 3.1 模型评价指标 | 第16-17页 |
| 3.1.1 赤池信息量准则 | 第16页 |
| 3.1.2 预测能力评价指标 | 第16-17页 |
| 3.2 数据分析 | 第17-20页 |
| 3.3 构建GARCH模型 | 第20-23页 |
| 3.4 GARCH模型的预测 | 第23-25页 |
| 第四章 GARCH-IMV模型 | 第25-30页 |
| 4.1 GARCH-IMV模型 | 第25页 |
| 4.2 基于插值方法的模型波动率 | 第25-27页 |
| 4.3 实证分析 | 第27-30页 |
| 第五章 基于RBF的GARCH-IMV模型 | 第30-38页 |
| 5.1 神经网络介绍 | 第30页 |
| 5.2 BP神经网络和RBF神经网络对比 | 第30-36页 |
| 5.2.1 BP神经网络 | 第30-32页 |
| 5.2.2 RBF神经网络 | 第32-33页 |
| 5.2.3 实证分析对比 | 第33-36页 |
| 5.3 RBF-GARCH-IMV模型 | 第36页 |
| 5.4 RBF-GARCH-IMV模型的实证效果 | 第36-38页 |
| 第六章 总结和展望 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 个人简历及在校期间的研究成果和发表的学术论文 | 第43页 |