基于LLSA小波的高频金融时间序列突变点检测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 论文选题背景及研究意义 | 第7-8页 |
| 1.2 国内外研究综述 | 第8-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 本文结构安排 | 第10-11页 |
| 第二章 小波及小波变换方法概述 | 第11-25页 |
| 2.1 小波变换的发展与本质 | 第11-12页 |
| 2.2 常见的小波基函数 | 第12-16页 |
| 2.2.1 Haar 小波 | 第12-13页 |
| 2.2.2 Morlet 小波 | 第13-14页 |
| 2.2.3 Mexican Hat 小波 | 第14页 |
| 2.2.4 Meyer 小波 | 第14-15页 |
| 2.2.5 Daubechies(dbN)小波系 | 第15-16页 |
| 2.3 常见的小波变换 | 第16-20页 |
| 2.3.1 连续小波变换 | 第17-18页 |
| 2.3.2 离散小波变换 | 第18-19页 |
| 2.3.3 极大重叠离散小波变换 | 第19-20页 |
| 2.4 局部线性尺度近似（LLSA） | 第20-25页 |
| 第三章 高频金融时间序列分析及突变点检测分析 | 第25-33页 |
| 3.1 高频金融时间序列分析 | 第25-29页 |
| 3.1.1 高频金融数据的概念 | 第25页 |
| 3.1.2 高频金融数据的特点 | 第25-26页 |
| 3.1.3 时间序列数据分析 | 第26-29页 |
| 3.2 高频金融数据突变点检测分析 | 第29-31页 |
| 3.2.1 含有突变的趋势的概念 | 第29-30页 |
| 3.2.2 常见突变点检测方法 | 第30-31页 |
| 3.3 小波变换与突变点检测分析 | 第31-33页 |
| 3.3.1 李普西兹（Lipschitz）指数 | 第31页 |
| 3.3.2 小波变换模极大值 | 第31-33页 |
| 第四章 基于小波分析的高频金融时间序列突变点检测 | 第33-54页 |
| 4.1 样本选取 | 第33页 |
| 4.2 参数设置 | 第33-34页 |
| 4.3 每 5 分钟数据时间序列突变点检测 | 第34-40页 |
| 4.4 每 10 分钟数据时间序列突变点检测 | 第40-45页 |
| 4.5 每 15 分钟数据时间序列突变点检测 | 第45-51页 |
| 4.6 LLSA 方法的时间多尺度检验 | 第51-52页 |
| 4.7 异常点的经济意义 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文主要结论 | 第54页 |
| 5.2 本文主要创新点 | 第54-55页 |
| 5.3 本文进一步研究方向 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-68页 |
| 发表论文和参加科研情况说明 | 第68-69页 |
| 致谢 | 第69页 |
