| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-27页 |
| 第一节 研究目的与意义 | 第12-13页 |
| 第二节 小波理论的形成与发展 | 第13-15页 |
| 第三节 小波特点及其在经济金融领域中的研究综述 | 第15-25页 |
| 第四节 本文的主要工作 | 第25-27页 |
| 第二章 小波分析的理论与方法 | 第27-45页 |
| 第一节 小波函数及其界定 | 第27-29页 |
| 第二节 连续与离散小波变换 | 第29-33页 |
| 第三节 多分辩分析理论 | 第33-35页 |
| 第四节 小波包及小波包变换 | 第35-37页 |
| 第五节 小波神经网络 | 第37-40页 |
| 第六节 其他新型小波理论 | 第40-45页 |
| 第三章 经济时间序列信号中的小波变换算法 | 第45-56页 |
| 第一节 时间序列信号的小波变换 | 第45-46页 |
| 第二节 离散小波变换的直接算法 | 第46-47页 |
| 第三节 时序分析的小波变换快速算法 | 第47-54页 |
| 第四节 小结 | 第54-56页 |
| 第四章 经济金融时序中的小波基函数选择 | 第56-69页 |
| 第一节 小波基函数性能指标 | 第56-58页 |
| 第二节 小波基函数构造研究 | 第58-64页 |
| 第三节 小波基函数选择 | 第64-68页 |
| 第四节 小结 | 第68-69页 |
| 第五章 小波分析在经济时间序列中多时间尺度分析中的应用 | 第69-80页 |
| 第一节 小波变换的多时间尺度分析指标 | 第69-72页 |
| 第二节 多时间尺度上的突变点分析 | 第72-74页 |
| 第三节 粮食产量变化的多时间尺度分析 | 第74-80页 |
| 第六章 小波分析在金融时间序列去噪处理中的应用 | 第80-91页 |
| 第一节 传统时间序列去噪方法的不足 | 第80-81页 |
| 第二节 小波去噪的基本原理 | 第81-85页 |
| 第三节 金融时间序列小波去噪方法 | 第85-91页 |
| 第七章 小波分析在金融高频数据预测分析中的应用 | 第91-106页 |
| 第一节 “日历效应”的小波多分辨分析 | 第91-96页 |
| 第二节 基于小波分析的高频数据预测 | 第96-106页 |
| 第八章 研究总结与展望 | 第106-108页 |
| 第一节 研究总结 | 第106-107页 |
| 第二节 展望 | 第107-108页 |
| 参考文献 | 第108-114页 |
| 致谢 | 第114页 |