时间序列协整理论在证券指数中的实证分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·国内外相关研究 | 第10-15页 |
| ·单整检验相关研究 | 第10-12页 |
| ·协整检验相关研究 | 第12-14页 |
| ·其他相关研究 | 第14-15页 |
| ·问题提出 | 第15-16页 |
| ·研究意义 | 第16页 |
| ·研究内容与框架 | 第16-17页 |
| 第二章 时间序列协整理论 | 第17-37页 |
| ·线性协整理论 | 第17-27页 |
| ·协整及表现形式 | 第17-19页 |
| ·协整定义 | 第17-18页 |
| ·ECM模型 | 第18-19页 |
| ·Granger表现定理 | 第19页 |
| ·单一方程协整关系检验法 | 第19-22页 |
| ·EG两步法 | 第19-20页 |
| ·基本检验法 | 第20-21页 |
| ·响应面法 | 第21-22页 |
| ·系统方程协整关系检验法 | 第22-23页 |
| ·协整向量的估计 | 第22-23页 |
| ·协整关系的检验 | 第23页 |
| ·协整系统的贝叶斯分析及预测 | 第23-27页 |
| ·影响矩阵特征根的后验分布 | 第23-24页 |
| ·后验优势比检验 | 第24-25页 |
| ·协整系统的预测 | 第25-27页 |
| ·向量分整序列的线性协整 | 第27页 |
| ·非线性协整理论 | 第27-37页 |
| ·非线性协整定义 | 第28页 |
| ·单整时间序列的非线性变换 | 第28-29页 |
| ·非线性协整关系的估计与检验法 | 第29-32页 |
| ·神经网络模型法 | 第30页 |
| ·神经网络模型法的可行性及算法 | 第30-32页 |
| ·长记忆向量时间序列的非线性协整 | 第32页 |
| ·变结构协整关系及建模法 | 第32-37页 |
| ·线性协整系统变结构分析 | 第33-34页 |
| ·参数化法 | 第34-35页 |
| ·非参数化法 | 第35-37页 |
| 第三章 对沪深港股市的实证分析 | 第37-53页 |
| ·实证分析检验步骤 | 第37-43页 |
| ·单整检验 | 第37-39页 |
| ·协整检验 | 第39-42页 |
| ·Granger因果关系与CCF检验 | 第42-43页 |
| ·实证分析经验结果 | 第43-51页 |
| ·指数数据基本统计特征 | 第44-45页 |
| ·指数数据时间序列单整检验 | 第45-46页 |
| ·指数数据时间序列协整检验 | 第46-50页 |
| ·Granger因果关系与CCF检验 | 第50-51页 |
| ·实证分析总结 | 第51-53页 |
| 第四章 总结与展望 | 第53-56页 |
| ·本文的工作 | 第53页 |
| ·本文尚待继续研究之处 | 第53-54页 |
| ·时间序列协整理论研究的展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59-63页 |
| 攻硕期间取得的研究成果 | 第63页 |
