互联网金融理财产品投资收益波动的实证研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景与问题的提出 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外相关研究现状 | 第10-14页 |
| 1.3.1 国外研究现状分析 | 第10-11页 |
| 1.3.2 国内研究现状分析 | 第11-13页 |
| 1.3.3 对国内外文献的综述 | 第13-14页 |
| 1.4 论文的主要研究内容和研究方法 | 第14-17页 |
| 1.4.1 研究内容 | 第14-16页 |
| 1.4.2 研究方法 | 第16-17页 |
| 第2章 互联网理财产品的特征及模型选择 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 互联网金融理财产品特性分析 | 第17-20页 |
| 2.2.1 产品总体特征分析 | 第17-19页 |
| 2.2.2 产品的收益波动性分析 | 第19-20页 |
| 2.3 基于产品特征的模型分析与选择 | 第20-22页 |
| 2.3.1ARMA模型的基本内容及适用情况 | 第20页 |
| 2.3.2 GARC H模型的基本内容及局限性 | 第20-21页 |
| 2.3.3 基于产品特征的GARC H模型拓展 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 收益序列样本数据选取与统计分析 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 数据的选取及处理 | 第23-26页 |
| 3.2.1 样本选取 | 第23页 |
| 3.2.2 数据的预处理 | 第23-26页 |
| 3.3 收益率序列性质分析 | 第26-32页 |
| 3.3.1 统计特征 | 第26-27页 |
| 3.3.2 正态性分析 | 第27-28页 |
| 3.3.3 相关性及长记忆性分析 | 第28-30页 |
| 3.3.4 平稳性分析 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于ARIMA-GARCH模型的实证研究 | 第34-49页 |
| 4.1 引言 | 第34页 |
| 4.2 模型数据说明 | 第34页 |
| 4.3 模型的构建 | 第34-46页 |
| 4.3.1 ARIMA模型的识别与构建 | 第34-37页 |
| 4.3.2 ARC H效应检验 | 第37-40页 |
| 4.3.3 均值-方差模型的构建 | 第40-46页 |
| 4.4 模型拟合结果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 基于互联网理财收益波动的对策建议 | 第49-57页 |
| 5.1 引言 | 第49页 |
| 5.2 基于互联网企业视角的建议 | 第49-52页 |
| 5.2.1 加强自律 | 第50页 |
| 5.2.2 加速预警机制的建立 | 第50-51页 |
| 5.2.3 寻求新的获利途径 | 第51页 |
| 5.2.4 加快技术开发步伐 | 第51-52页 |
| 5.3 基于政府视角的发展对策 | 第52-55页 |
| 5.3.1 创造相对宽松的发展环境 | 第52-53页 |
| 5.3.2 建立健全合理的监管制度 | 第53-54页 |
| 5.3.3 健全完善相关法律法规 | 第54-55页 |
| 5.4 基于投资者角度的投资建议 | 第55-56页 |
| 5.4.1 谨慎投资互联网理财产品 | 第55-56页 |
| 5.4.2 实时关注收益波动与宏观环境变化 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
