| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 背景及相关研究 | 第9-11页 |
| 1.2 研究意义 | 第11页 |
| 1.2.1 现实意义 | 第11页 |
| 1.2.2 理论意义 | 第11页 |
| 1.3 研究方法与创新 | 第11-13页 |
| 1.3.1 研究方法 | 第11-12页 |
| 1.3.2 创新内容 | 第12-13页 |
| 1.4 文章结构与技术路线 | 第13-15页 |
| 1.4.1 文章结构 | 第13页 |
| 1.4.2 技术路线 | 第13-15页 |
| 2 预备知识与模型方法概述 | 第15-19页 |
| 2.1 Hurst指数序列特征判别 | 第15页 |
| 2.2 ARFIMA模型 | 第15-18页 |
| 2.2.1 分数阶差分计算 | 第16-17页 |
| 2.2.2 ARFIMA模型预测 | 第17-18页 |
| 2.3 FAR模型 | 第18页 |
| 2.4 LOWESS方法 | 第18-19页 |
| 3 基于LOWESS的 FAR模型优化 | 第19-27页 |
| 3.1 Hurst指数算法实现(R/S分析法) | 第19-20页 |
| 3.2 FAR模型系数函数的估计 | 第20页 |
| 3.3 核函数,带宽和依赖变量的选择 | 第20-22页 |
| 3.4 LW-FAR模型实现 | 第22-24页 |
| 3.5 LW-FAR模型的GLR检验 | 第24-25页 |
| 3.6 LW-FAR模型的算法实现 | 第25-27页 |
| 4 模拟实验与金融实证分析 | 第27-47页 |
| 4.1 模型效果评估 | 第27-28页 |
| 4.2模拟实验 | 第28-33页 |
| 4.2.1 序列特征判别分析 | 第28页 |
| 4.2.2 序列分数阶差分与ARFIMA建模 | 第28-29页 |
| 4.2.3 LW-FAR模型建立 | 第29-31页 |
| 4.2.4 与其他模型拟合效果比较 | 第31-33页 |
| 4.2.5 LW-FAR模型预测结果与比较 | 第33页 |
| 4.3 国泰基金收益率实证分析 | 第33-39页 |
| 4.3.1 国泰基金序列特征分析判断 | 第34页 |
| 4.3.2 国泰基金分数阶差分与ARFIMA建模 | 第34-35页 |
| 4.3.3 国泰基金序列LW-FAR模型建立 | 第35-37页 |
| 4.3.4 模型拟合效果比较 | 第37-38页 |
| 4.3.5 LW-FAR模型预测结果与比较 | 第38-39页 |
| 4.4 伦敦金融时报100 股票指数(FTSE)实证分析 | 第39-47页 |
| 4.4.1 FTSE序列特征分析判断 | 第40页 |
| 4.4.2 FTSE分数阶差分与ARFIMA建模 | 第40-41页 |
| 4.4.3 FTSE序列LW-FAR模型建立 | 第41-43页 |
| 4.4.4 模型拟合效果比较 | 第43-45页 |
| 4.4.5 LW-FAR模型预测结果与比较 | 第45-47页 |
| 5 结论和展望 | 第47-49页 |
| 5.1 结论 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第55页 |