时间序列模型的变点检测及在预警监测中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 变点检测问题的现状 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 第二章 变点检测算法简介 | 第10-22页 |
| 2.1 贝叶斯算法简介 | 第10页 |
| 2.2 ARMA模型变点检测算法 | 第10-15页 |
| 2.2.1 模型简介 | 第10-11页 |
| 2.2.2 算法实现 | 第11-15页 |
| 2.3 ARCH模型变点检测算法 | 第15-18页 |
| 2.3.1 模型简介 | 第15页 |
| 2.3.2 仅有一个变点的ARCH模型 | 第15-17页 |
| 2.3.3 含有多个变点的ARCH模型 | 第17-18页 |
| 2.4 ROC简介 | 第18-22页 |
| 第三章 模型算法检验 | 第22-36页 |
| 3.1 ARMA模型算法检验 | 第22-28页 |
| 3.2 ARCH模型算法检验 | 第28-36页 |
| 第四章 变点检测在股市中的应用 | 第36-66页 |
| 4.1 平安银行股指的变点检测 | 第36-53页 |
| 4.1.1 ARMA模型 | 第36-43页 |
| 4.1.2 ARCH模型 | 第43-53页 |
| 4.2 中科曙光股指的变点检测 | 第53-65页 |
| 4.3 结果分析 | 第65-66页 |
| 第五章 变点检测在江苏省产出指数中的应用 | 第66-71页 |
| 5.1 数据介绍 | 第66-68页 |
| 5.2 算法应用 | 第68-71页 |
| 第六章 总结 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
