| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 0 引言 | 第11-21页 |
| 0.1 研究背景和研究意义 | 第11-12页 |
| 0.1.1 研究背景 | 第11-12页 |
| 0.1.2 研究意义 | 第12页 |
| 0.2 国内外研究综述 | 第12-18页 |
| 0.2.1 国内外金融物理学研究综述 | 第12-14页 |
| 0.2.2 国内外非线性科学研究综述 | 第14-16页 |
| 0.2.3 国内外极端事件研究综述 | 第16-18页 |
| 0.3 研究内容和技术路径 | 第18-20页 |
| 0.3.1 研究内容与思路 | 第18-19页 |
| 0.3.2 研究的方法 | 第19-20页 |
| 0.3.3 研究的技术路径 | 第20页 |
| 0.4 论文创新点 | 第20-21页 |
| 1 复杂性视角下的金融系统理论 | 第21-31页 |
| 1.1 金融复杂系统极端事件界定 | 第21-22页 |
| 1.2 复杂性科学理论 | 第22-26页 |
| 1.2.1 复杂科学理论学派 | 第22-24页 |
| 1.2.2 复杂系统特征理论 | 第24-26页 |
| 1.3 金融复杂系统理论 | 第26-30页 |
| 1.3.1 复杂性视角研究金融系统的必要性 | 第26-27页 |
| 1.3.2 金融系统复杂性分析视角 | 第27-28页 |
| 1.3.3 当前金融系统复杂性研究的变革 | 第28-29页 |
| 1.3.4 金融系统复杂性中孕育高风险 | 第29-30页 |
| 1.4 本章小结 | 第30-31页 |
| 2 金融复杂系统非线性理论与方法的适应性 | 第31-37页 |
| 2.1 金融复杂系统非线性分析 | 第31-34页 |
| 2.1.1 金融复杂系统中的非线性动力学 | 第31-32页 |
| 2.1.2 传统线性研究面临的挑战 | 第32-33页 |
| 2.1.3 非线性方法研究金融系统的必然性 | 第33-34页 |
| 2.2 金融时间序列典型分析方法 | 第34-35页 |
| 2.2.1 基于协整从理论的分析方法 | 第34页 |
| 2.2.2 基于随时间变化的变动性和 ARCH 模型的分析方法 | 第34-35页 |
| 2.2.3 基于神经网络的分析和预测方法 | 第35页 |
| 2.3 基于非线性动力学技术的分析和预测方法 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 金融复杂系统时间序列的确定性和非线性分析 | 第37-47页 |
| 3.1 基于 RP 图的确定性检验方法 | 第37-38页 |
| 3.2 基于 BDS 替代数据法的非线性检验 | 第38-40页 |
| 3.2.1 产生背景 | 第38页 |
| 3.2.2 替代数据法 | 第38-39页 |
| 3.2.3 BDS 统计量 | 第39-40页 |
| 3.3 金融复杂系统确定性和非线性检验实证分析 | 第40-45页 |
| 3.3.1 金融时间序列分布正态性检验 | 第40-42页 |
| 3.3.2 金融时间序列确定性检验 | 第42-43页 |
| 3.3.3 金融时间序列非线性检验 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 金融复杂系统极端事件的长程时间关联及阈值分析 | 第47-55页 |
| 4.1 消除趋势波动分析 | 第47-49页 |
| 4.1.1 DFA 方法介绍 | 第47-49页 |
| 4.1.2 DFA 方法确定极端事件阈值 | 第49页 |
| 4.2 极端事件时间序列实证分析 | 第49-51页 |
| 4.2.1 数据预处理 | 第49-50页 |
| 4.2.2 长程时间关联分析 | 第50页 |
| 4.2.3 极端事件序列的确定 | 第50-51页 |
| 4.3 极端事件序列的宏微观比较分析 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 金融复杂系统极端事件的再现时间间隔分布模拟 | 第55-61页 |
| 5.1 再现时间间隔 | 第55-56页 |
| 5.2 再现时间间隔分布及检验方法 | 第56-57页 |
| 5.3 再现时间间隔风险评估模拟 | 第57-58页 |
| 5.4 本章小结 | 第58-61页 |
| 6 研究总结与未来展望 | 第61-63页 |
| 6.1 研究总结 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |
| 个人简历 | 第69页 |
| 发表的学术论文 | 第69-70页 |