| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-10页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要研究工作 | 第9-10页 |
| 第二章 基础知识 | 第10-14页 |
| 2.1 模型选择准则 | 第10-12页 |
| 2.1.1 S_n(k)与FPE准则 | 第10页 |
| 2.1.2 AIC准则 | 第10-11页 |
| 2.1.3 BIC准则 | 第11页 |
| 2.1.4 C_p准则 | 第11-12页 |
| 2.2 模型优劣判别指标 | 第12-14页 |
| 第三章 传统金融数据分析方法 | 第14-19页 |
| 3.1 金融时间序列分析方法 | 第14-17页 |
| 3.1.1 平稳时间序列模型方法 | 第14-15页 |
| 3.1.2 非平稳时间序列模型方法 | 第15页 |
| 3.1.3 波动率模型方法 | 第15-16页 |
| 3.1.4 金融时序分析方法特点 | 第16-17页 |
| 3.2 金融数据回归分析方法 | 第17-18页 |
| 3.2.1 线性回归分析方法 | 第17页 |
| 3.2.2 非线性回归分析方法 | 第17-18页 |
| 3.2.3 回归分析方法特点 | 第18页 |
| 3.3 传统金融数据分析方法的发展趋势 | 第18-19页 |
| 第四章 无穷阶自回归模型平均方法 | 第19-39页 |
| 4.1 无穷阶自回归模型简介 | 第19页 |
| 4.2 模型参数估计与预测问题 | 第19-20页 |
| 4.3 基本定义及限制条件 | 第20-21页 |
| 4.3.1 基本定义 | 第20-21页 |
| 4.3.2 限制条件 | 第21页 |
| 4.4 重要公式推导 | 第21-26页 |
| 4.4.1 模型平均均方预测误差 | 第21-22页 |
| 4.4.2 N_h(E(x_(n+h)—(?)_(n+h)(K))~2—σ_h~2)的估计形式 | 第22-24页 |
| 4.4.3 (?)的证明 | 第24-26页 |
| 4.4.4 L_(0,n)~h(w)的分解 | 第26页 |
| 4.5 均方预测误差渐近性定理 | 第26-30页 |
| 4.6 权重准则渐近最优性定理 | 第30-33页 |
| 4.7 数据模拟 | 第33-38页 |
| 4.8 自回归模型平均方法应用 | 第38-39页 |
| 第五章 自回归条件异方差模型平均方法 | 第39-45页 |
| 5.1 ARCH模型参数估计 | 第39-40页 |
| 5.2 非线性组合预测权重设置 | 第40-42页 |
| 5.3 蒙特卡洛模拟 | 第42-45页 |
| 5.3.1 模拟过程 | 第42-43页 |
| 5.3.2 结果对比 | 第43-45页 |
| 第六章 一般回归模型平均方法 | 第45-52页 |
| 6.1 模型平均方法权重形式 | 第45-46页 |
| 6.1.1 等权权重形式 | 第45页 |
| 6.1.2 平滑信息准则权重形式 | 第45页 |
| 6.1.3 平滑残差方差权重形式 | 第45-46页 |
| 6.1.4 新的权重形式 | 第46页 |
| 6.2 回归模型简介及估计问题 | 第46-48页 |
| 6.2.1 一般线性回归模型平均拟合 | 第46-47页 |
| 6.2.2 嵌套同方差线性回归模型参数估计 | 第47-48页 |
| 6.3 权重形式比较 | 第48-49页 |
| 6.4 各权重形式应用 | 第49-52页 |
| 6.4.1 回归模型 | 第49-50页 |
| 6.4.2 时间序列模型 | 第50-52页 |
| 第七章 本文总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |