| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·国内外相关研究综述 | 第9-12页 |
| ·国外文献综述 | 第9-10页 |
| ·国内文献综述 | 第10-12页 |
| ·研究思路及主要内容 | 第12-13页 |
| ·论文研究创新点 | 第13-14页 |
| 2 保证金计算模型 | 第14-19页 |
| ·保证金计算模型 | 第14-17页 |
| ·SPAN系统 | 第14页 |
| ·TIMS系统 | 第14-15页 |
| ·SMA模型 | 第15页 |
| ·EWMA模型 | 第15-16页 |
| ·GARCH模型 | 第16-17页 |
| ·基于GARCH-EWMA原理的期货交易保证金随动调整模型 | 第17页 |
| ·保证金计算模型特点分析及选择 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 基于三种保证金模型的实证对比分析 | 第19-31页 |
| ·数据分析 | 第19页 |
| ·数据来源及样本选取 | 第19页 |
| ·数据预处理 | 第19页 |
| ·建立保证金水平评价指标 | 第19-20页 |
| ·谨慎性指数CCP | 第19-20页 |
| ·机会成本指数EOC | 第20页 |
| ·SMA模型的实证研究 | 第20-22页 |
| ·EWMA模型的实证研究 | 第22-25页 |
| ·GARCH模型的实证研究 | 第25-28页 |
| ·数据相关性检验 | 第25-26页 |
| ·GARCH(1,1)实证研究 | 第26-28页 |
| ·三种模型的实证研究比较 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于RBF神经网络模型的最优保证金设计及实证分析 | 第31-39页 |
| ·最优模型设计思路 | 第31-33页 |
| ·模型分析 | 第31-32页 |
| ·模型改进初衷 | 第32-33页 |
| ·RBF神经网络及其特点 | 第33-35页 |
| ·RBF径向基函数 | 第33-34页 |
| ·RBF神经网络结构 | 第34页 |
| ·RBF神经网络映射关系 | 第34-35页 |
| ·使用RBF神经网络计算保证金 | 第35-38页 |
| ·试验设计 | 第35页 |
| ·试验过程 | 第35页 |
| ·试验结果 | 第35-36页 |
| ·模型对比 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 研究结论及展望 | 第39-40页 |
| ·研究结论 | 第39页 |
| ·展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 附录 | 第44-51页 |
| 申请学位期间的研究成果及发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |