基于遗传算法的沪深300指数HAR模型结构优化
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外的研究进展 | 第10-13页 |
| ·本文的创新之处 | 第13页 |
| ·本文的研究内容 | 第13-15页 |
| 第二章 HAR模型 | 第15-23页 |
| ·已实现波动的定义 | 第15-16页 |
| ·合理的已实现估计量的选择 | 第16-20页 |
| ·已实现双幂次变差 | 第16-17页 |
| ·连续样本路径方差和离散跳跃变差 | 第17-19页 |
| ·离散跳跃方差的存在性检验 | 第19-20页 |
| ·合理的模型选择 | 第20-23页 |
| ·HAR-RV模型 | 第20-21页 |
| ·HAR-RV-J模型 | 第21页 |
| ·HAR-RV-CJ模型 | 第21-23页 |
| 第三章 遗传算法简介 | 第23-30页 |
| ·遗传算法的原理 | 第23-25页 |
| ·遗传算法的特点 | 第25-27页 |
| ·遗传算法的实现过程 | 第27-28页 |
| ·遗传算法的运算流程 | 第28页 |
| ·Matlab遗传算法工具箱 | 第28-30页 |
| 第四章 Matlab GA函数对HAR模型的优化 | 第30-33页 |
| ·模型解析与编程思路 | 第30-31页 |
| ·GA函数的参数选择 | 第31页 |
| ·数据处理 | 第31-33页 |
| 第五章 实证分析 | 第33-49页 |
| ·HAR(1,5,22)参数模型分析 | 第33-37页 |
| ·采用Matlab遗传算法优化结果 | 第37-49页 |
| 第六章 结论与展望 | 第49-51页 |
| ·结论 | 第49页 |
| ·对未来的展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
