| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文的选题背景与意义 | 第9-10页 |
| ·论文主题的研究现状 | 第10-12页 |
| ·论文研究目标、主要内容和研究方法 | 第12-15页 |
| ·论文研究目标 | 第12-13页 |
| ·论文主要内容 | 第13页 |
| ·论文主题的研究方法 | 第13-14页 |
| ·论文的主要工作及结论 | 第14-15页 |
| 第二章 金融时间序列长记忆性综述 | 第15-35页 |
| ·时间序列的长记忆 | 第16-19页 |
| ·长记忆时间序列建模 | 第19-23页 |
| ·分数维差分噪声模型 | 第20页 |
| ·ARFIMA、GARMA 和 ARFISMA 模型 | 第20-21页 |
| ·具有长记忆性的ARCH 模型 | 第21-23页 |
| ·长记忆存在性检验 | 第23-31页 |
| ·R/S 统计量 | 第23-25页 |
| ·KPSS 检验 | 第25-27页 |
| ·LM 检验 | 第27-28页 |
| ·基于 ADF 的长记忆检验 | 第28页 |
| ·非参数检验 | 第28-29页 |
| ·FIGARCH 的长记忆性检验 | 第29-31页 |
| ·时间序列分数维的估计 | 第31-34页 |
| ·分数维 Brown 运动 | 第31-32页 |
| ·频域上分数维d 的半参数估计 | 第32-34页 |
| ·在时域上d 的半参数估计方法 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第三章 向量金融时间序列的线性协整关系 | 第35-47页 |
| ·协整研究现状 | 第35-40页 |
| ·协整概念的提出与发展 | 第35-37页 |
| ·长记忆向量时间序列协整研究的现状与发展方向 | 第37-40页 |
| ·线性协整系统的误差校正模型 | 第40-44页 |
| ·单整时间序列的误差校正模型 | 第41-42页 |
| ·Granger 表现定理 | 第42-43页 |
| ·同阶分数维向量时间序列的误差校正模型 | 第43-44页 |
| ·分数维协整关系的估计与检验 | 第44-46页 |
| ·估计分量序列的分数维 | 第44-45页 |
| ·分数维协整的误差校正模型的参数估计 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 金融时间序列长记忆性分形协整的扩展 | 第47-62页 |
| ·金融时间序列向量分形协整阶数扩展研究 | 第47-51页 |
| ·基本概念 | 第47-48页 |
| ·定理及证明 | 第48-51页 |
| ·协整与协同持续的关系 | 第51-55页 |
| ·协整和协同持续的基本问题 | 第51-52页 |
| ·协整与协同持续的关系 | 第52-55页 |
| ·向量FIGARCH 的分数维协整 | 第55-61页 |
| ·向量 FIGARCH 模型 | 第55-57页 |
| ·向量FIGARCH 模型的分形协整关系及估计 | 第57-59页 |
| ·向量 FIGARCH 的分数维协整关系的性质 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 实证研究 | 第62-68页 |
| ·存在异方差的协整在沪深股价的应用 | 第62-64页 |
| ·存在异方差的协整检验 | 第62-63页 |
| ·向量 GARCH 模型协整检验 | 第63-64页 |
| ·分数协整关系在沪深股市收益率的应用 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 结束语 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 在读期间完成的论文和参加的项目 | 第76页 |