| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·文献综述 | 第9-13页 |
| ·国内综述 | 第9-10页 |
| ·国外综述 | 第10-13页 |
| ·研究内容及研究方法 | 第13-15页 |
| 2 长记忆时间序列及研究方法介绍 | 第15-27页 |
| ·长记忆与短记忆时间序列的定义 | 第15-18页 |
| ·短记忆性 | 第15页 |
| ·长记忆性 | 第15-16页 |
| ·检验长记忆存在性的KPSS 检验 | 第16-18页 |
| ·长记忆时间序列模型介绍 | 第18-24页 |
| ·分数差分噪声模型（FDN） | 第18-20页 |
| ·分整GARCH(FIGARCH)模型 | 第20-21页 |
| ·分数整合自回归移动平均模型（ARFIMA） | 第21-22页 |
| ·双长记忆ARFIMA - FIGARCH 模型 | 第22-24页 |
| ·长记忆时间序列模型中参数D 的估计方法 | 第24-27页 |
| ·R/S 方法 | 第24-26页 |
| ·周期图方法 | 第26-27页 |
| 3 ARFIMA（P，D，Q）的建模问题 | 第27-33页 |
| ·ARFIMA（P，D，Q）模型的建立 | 第27-28页 |
| ·ARFIMA（P，D，Q）模型的估计方法 | 第28-33页 |
| ·ARFIMA（p，d，q）模型的极大似然估计 | 第28-30页 |
| ·存在缺失值的ARFIMA（p，d，q）模型的极大似然估计 | 第30-33页 |
| 4 实证分析 | 第33-40页 |
| ·样本的选取及数据的预处理 | 第33-35页 |
| ·通过AR 模型滤除短记忆因素 | 第35-37页 |
| ·ARFIMA（P，D，Q）建模和实证分析 | 第37-40页 |
| 5 结论与展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 附录 1 攻读学位期间发表论文目录 | 第47-48页 |
| 附录 2 EVIEWS5.0 中 R/S 分析实现程序 | 第48-49页 |