| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 贝叶斯计算方法 | 第9-10页 |
| 1.2.2 复杂似然模型 | 第10-12页 |
| 1.2.3 似然自由的贝叶斯计算方法 | 第12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 1.3.1 基于BCel算法的稳定分布参数估计 | 第13页 |
| 1.3.2 BCsl算法的提出及应用 | 第13-14页 |
| 1.4 本文组织架构 | 第14-15页 |
| 第2章 常见贝叶斯计算方法 | 第15-23页 |
| 2.1 MCMC方法 | 第15-17页 |
| 2.1.1 MCMC | 第15-16页 |
| 2.1.2 Metropolis-Hasting马尔科夫链蒙特卡罗方法(MH MCMC) | 第16-17页 |
| 2.2 ABC方法 | 第17-18页 |
| 2.3 基于经验似然的贝叶斯计算方法(BCel) | 第18-20页 |
| 2.3.1 经验似然 | 第18-19页 |
| 2.3.2 BCel方法 | 第19-20页 |
| 2.4 基于合成似然Metropolis Hasting马尔科夫链蒙特卡罗方法(MHsl) | 第20-23页 |
| 2.4.1 合成似然 | 第20-22页 |
| 2.4.2 基于合成似然Metropolis Hasting马尔科夫链蒙特卡罗方法(MHsl) | 第22-23页 |
| 第3章 基于BCel方法的稳定分布参数估计 | 第23-31页 |
| 3.1 基于BCel方法的稳定分布参数估计方法研究 | 第23-26页 |
| 3.1.1 稳定分布 | 第23页 |
| 3.1.2 基于BCel方法的稳定分布参数估计方法 | 第23-25页 |
| 3.1.3 基于BCel方法的稳定分布贝叶斯预测方法 | 第25-26页 |
| 3.2 方法应用 | 第26-31页 |
| 3.2.1 数值模拟试验 | 第26-29页 |
| 3.2.2 证券市场实证研究 | 第29-31页 |
| 第4章 基于合成似然的贝叶斯计算方法(BCsl) | 第31-50页 |
| 4.1 基于合成似然的贝叶斯计算方法(BCsl) | 第31-32页 |
| 4.2 数值模拟实验 | 第32-48页 |
| 4.2.1 混沌生态动力模型 | 第32-34页 |
| (一) Ricker模型 | 第32-33页 |
| (二) Blowfly模型 | 第33-34页 |
| 4.2.2 Quantile分布 | 第34-36页 |
| 4.2.3 时间序列异方差模型 | 第36-40页 |
| (一) ARCH模型 | 第36-37页 |
| (二) GARCH模型 | 第37-39页 |
| (三) TGARCH模型 | 第39-40页 |
| 4.2.4 分层模型 | 第40-48页 |
| (一) 分层的BCsl及BCel算法 | 第40-41页 |
| (二) 分层的二项式模型 | 第41-44页 |
| (三) 人口基因模型 | 第44-48页 |
| 4.3 上证指数实例研究 | 第48-50页 |
| 第5章 结束语 | 第50-52页 |
| 5.1 本文的贡献及创新点 | 第50-51页 |
| 5.1.1 本文的研究贡献 | 第50-51页 |
| 5.1.2 本文的创新点 | 第51页 |
| 5.2 未来研究工作展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 研究生期间录用(投递)论文情况 | 第57页 |
