小波神经网络在金融时间序列分析中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 前言 | 第8-12页 |
| ·论文研究的目的和意义 | 第8页 |
| ·国内外研究研究历史与现状 | 第8-11页 |
| ·小波神经网络研究的历史与现状 | 第8-9页 |
| ·金融时间序列分析的历史与现状 | 第9-11页 |
| ·论文结构与主要创新点 | 第11-12页 |
| ·论文结构 | 第11页 |
| ·论文创新点 | 第11-12页 |
| 第2章 分形市场理论 | 第12-25页 |
| ·分形原理 | 第12-13页 |
| ·分形的定义 | 第12-13页 |
| ·分形的维数 | 第13页 |
| ·分数维金融时间序列 | 第13-18页 |
| ·分数布朗运动 | 第13-14页 |
| ·I(d) 过程 | 第14-15页 |
| ·ARFIMA 模型 | 第15-16页 |
| ·分数维时间序列的性质 | 第16-18页 |
| ·有效市场理论的缺陷与分形市场理论 | 第18-25页 |
| ·有效市场理论及其缺陷 | 第18-20页 |
| ·分形市场理论 | 第20-25页 |
| 第3章 金融时间序列去噪的小波变换方法 | 第25-37页 |
| ·传统去噪方法的比较研究 | 第25-27页 |
| ·移动平均法 | 第25页 |
| ·传统滤波方法 | 第25-26页 |
| ·维纳滤波 | 第26-27页 |
| ·卡尔曼滤波 | 第27页 |
| ·小波变换 | 第27-30页 |
| ·连续小波变换 | 第27-29页 |
| ·二进小波变换 | 第29-30页 |
| ·基于小波变换的金融时间序列去噪原理 | 第30-34页 |
| ·非线性小波变换阈值法去噪原理 | 第30-31页 |
| ·小波去噪参数的选取分析 | 第31-34页 |
| ·实证研究 | 第34-37页 |
| 第4章 基于小波神经网络的非线性协整模型研究 | 第37-51页 |
| ·线性与非线性协整理论 | 第37-40页 |
| ·线性协整理论 | 第37-38页 |
| ·非线性协整理论 | 第38-40页 |
| ·非线性协整建模的可行性 | 第40-42页 |
| ·非线性协整函数的逼近 | 第40-41页 |
| ·网络规模的确定 | 第41-42页 |
| ·网络输出序列记忆性的分析 | 第42页 |
| ·非线性协整关系的存在性 | 第42-44页 |
| ·非线性协整模型的估计和检验 | 第44-47页 |
| ·小波神经网络模型参数估计 | 第44-46页 |
| ·非线性协整关系的检验 | 第46-47页 |
| ·实证研究 | 第47-51页 |
| 第5章 分形市场中的资产定价研究 | 第51-57页 |
| ·CAPM 和 APT 模型 | 第51-52页 |
| ·分形市场中的资产定价模型 | 第52-55页 |
| ·实证研究 | 第55-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
