| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-27页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| (1) 理论意义 | 第14页 |
| (2) 现实意义 | 第14-15页 |
| 1.2 经济计量分析中的小波分析研究综述 | 第15-21页 |
| 1.2.1 理论研究方面 | 第15-19页 |
| 1.2.2 实证研究方面 | 第19-21页 |
| 1.3 研究内容与研究目标 | 第21-23页 |
| 1.3.1 研究内容 | 第21-23页 |
| 1.3.2 研究目标 | 第23页 |
| 1.4 研究方法、组织结构和技术路线 | 第23-26页 |
| 1.4.1 研究方法 | 第23-24页 |
| 1.4.2 组织结构与技术路线 | 第24-26页 |
| 1.5 本文的创新点 | 第26-27页 |
| 第2章 小波与非平稳时间序列分析的理论预备 | 第27-42页 |
| 2.1 小波分析理论 | 第27-36页 |
| 2.1.1 小波函数 | 第27-28页 |
| 2.1.2 离散小波变换 | 第28-33页 |
| 2.1.3 极大重叠离散小波变换 | 第33-34页 |
| 2.1.4 小波方差 | 第34-36页 |
| 2.2 非平稳时间序列分析的基础理论 | 第36-42页 |
| 2.2.1 维纳过程 | 第36-37页 |
| 2.2.2 泛函中心极限定理 | 第37-40页 |
| 2.2.3 连续映射定理 | 第40-42页 |
| 第3章 小波域单位根检验 | 第42-82页 |
| 3.1 单位根过程概述 | 第43-44页 |
| 3.1.1 单位根过程的几种定义 | 第43-44页 |
| 3.1.2 区分单位根过程和(趋势)平稳过程的意义 | 第44页 |
| 3.2 单位根检验研究进展 | 第44-50页 |
| 3.3 小波域单位根过程的检验 | 第50-67页 |
| 3.3.1 Fan和Gencay (2010)方法 | 第50-57页 |
| (1) 检验策略的基本思想 | 第50-53页 |
| (2) 检验统计量的构造及其性质 | 第53-57页 |
| 3.3.2 Fan和Gencay (2010)方法的拓展 | 第57-67页 |
| (1) 检验对象与思想的延伸 | 第57-58页 |
| (2) 检验统计量的构造及大样本性质 | 第58-63页 |
| (3) 有限样本下检验表现的Monte Carlo仿真 | 第63-67页 |
| 3.4 本章引理、定理的证明 | 第67-80页 |
| 3.4.1 引理3.1的证明 | 第67-72页 |
| 3.4.2 引理3.2的证明 | 第72-78页 |
| 3.4.3 定理3.1的证明 | 第78-80页 |
| 3.5 本章小节 | 第80-82页 |
| 第4章 小波域协整检验 | 第82-111页 |
| 4.1 协整的思想与定义 | 第83-85页 |
| 4.2 线性协整的检验框架 | 第85-86页 |
| 4.3 协整检验的EG两步法与单位根检验的内在联系 | 第86-88页 |
| 4.4 小波域协整检验 | 第88-103页 |
| 4.4.1 检验模型设定与协整模型的初始估计 | 第88-90页 |
| 4.4.2 检验统计量的构建及其性质 | 第90-96页 |
| 4.4.3 协整检验功效与检验水平的Monte Carlo仿真 | 第96-103页 |
| 4.5 案例研究:我国黄金市场与国际市场的联动性 | 第103-109页 |
| 4.5.1 变量说明、数据来源与预处理 | 第107页 |
| 4.5.2 实证结果 | 第107-109页 |
| (1) 序列单整阶数的确定 | 第107-108页 |
| (2) 协整检验 | 第108-109页 |
| 4.5.3 实证结论与政策建议 | 第109页 |
| 4.6 本章小节 | 第109-111页 |
| 第5章 小波域马尔可夫模型及应用 | 第111-134页 |
| 5.1 背景与动机 | 第111-113页 |
| 5.2 马尔可夫链 | 第113-116页 |
| 5.2.1 定义与标记 | 第113-114页 |
| 5.2.2 平稳分布与可逆性 | 第114-115页 |
| 5.2.3 自相关函数 | 第115-116页 |
| 5.3 隐马尔可夫模型 | 第116-119页 |
| 5.3.1 定义与标记 | 第116-117页 |
| 5.3.2 边际分布 | 第117-119页 |
| (1) 单变量分布 | 第118页 |
| (2) 双变量分布 | 第118-119页 |
| 5.4 小波域隐马尔可夫模型 | 第119-124页 |
| 5.4.1 小波域模型的类型 | 第119-120页 |
| (1) 尺度内模型 | 第119页 |
| (2) 尺度间模型 | 第119-120页 |
| (3) 混合模型 | 第120页 |
| 5.4.2 小波域马尔可夫树模型 | 第120-124页 |
| (1) 参数估计 | 第121-122页 |
| (2) 训练算法 | 第122-124页 |
| 5.5 案例研究:我国股市波动跨时间尺度传导的非对称性 | 第124-133页 |
| 5.5.1 金融时间序列的小波系数统计特性 | 第124页 |
| 5.5.2 2-状态小波域隐马尔可夫模型的构建 | 第124-125页 |
| 5.5.3 参数估计 | 第125-126页 |
| 5.5.4 实证结果与分析 | 第126-131页 |
| (1) 数据来源与预处理 | 第126-127页 |
| (2) 沪市波动信息流动的非对称表现 | 第127-130页 |
| (3) 深市波动信息流动表现 | 第130页 |
| (4) 波动信息流动的非对称性的稳健性检验 | 第130-131页 |
| 5.5.5 实证结论与政策意义 | 第131-133页 |
| (1) 实证结论 | 第131-132页 |
| (2) 政策意义 | 第132-133页 |
| 5.6 本章小节 | 第133-134页 |
| 第6章 总结与展望 | 第134-139页 |
| 6.1 总结 | 第134-137页 |
| 6.2 展望 | 第137-139页 |
| 参考文献 | 第139-150页 |
| 附录 攻读博士学位期间的科研活动与成果 | 第150-151页 |
| 致谢 | 第151页 |
