| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 本文的主要工作及章节安排 | 第16-18页 |
| 1.2.1 主要工作 | 第16-17页 |
| 1.2.2 章节安排 | 第17-18页 |
| 第二章 基本的模型及相关理论 | 第18-28页 |
| 2.1 随机波动模型(SV) | 第18-20页 |
| 2.2 状态空间模型 | 第20-22页 |
| 2.2.1 状态空间模型的一般形式 | 第20页 |
| 2.2.2 混合效应状态空间模型 | 第20-22页 |
| 2.3 EM算法 | 第22页 |
| 2.4 滤波算法 | 第22-28页 |
| 2.4.1 卡尔曼滤波算法 | 第22-24页 |
| 2.4.2 扩展卡尔曼滤波算法 | 第24-28页 |
| 第三章 非线性混合效应模型的参数估计 | 第28-36页 |
| 3.1 蒙特卡罗似然法 | 第28-29页 |
| 3.2 参数估计 | 第29-36页 |
| 3.2.1 EM算法原理 | 第30页 |
| 3.2.2 基于EM算法和滤波光滑的参数估计 | 第30-36页 |
| 第四章 状态估计 | 第36-42页 |
| 4.1 状态估计理论 | 第36-38页 |
| 4.2 混合卡尔曼滤波算法(PMKF) | 第38-39页 |
| 4.3 Metropolis滑动的混合卡尔曼滤波算法(MKF-MM) | 第39-40页 |
| 4.4 核光滑的混合卡尔曼滤波算法(MKF-KS) | 第40-42页 |
| 第五章 数值分析 | 第42-52页 |
| 5.1 EM算法仿真模拟 | 第42-43页 |
| 5.2 状态估计仿真模拟 | 第43-45页 |
| 5.3 随机波动率模型在金融中的应用 | 第45-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |