| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 文献综述 | 第9-11页 |
| 1.2.1 国外相关研究综述 | 第9-10页 |
| 1.2.2 国内相关研究综述 | 第10-11页 |
| 1.3 研究思路与内容 | 第11-13页 |
| 1.3.1 研究思路 | 第11-12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 第二章 相关模型与方法简介 | 第13-22页 |
| 2.1 Markowitz均值-方差模型 | 第13页 |
| 2.2 Black-Litterman模型及其扩展 | 第13-18页 |
| 2.2.1 传统的Black-Litterman模型构建 | 第13-15页 |
| 2.2.2 Black-Litterman模型参数设定 | 第15-17页 |
| 2.2.3 基于因子观点的增广Black-Litterman(ABL)模型 | 第17-18页 |
| 2.4 Elman神经网络 | 第18-19页 |
| 2.4.1 Elman神经网络的基本模型 | 第18-19页 |
| 2.4.2 资产价格使用Elman神经网络预测的可行性分析 | 第19页 |
| 2.5 时间序列分析方法 | 第19-22页 |
| 2.5.1 ARMA模型 | 第19-20页 |
| 2.5.2 GARCH模型 | 第20-21页 |
| 2.5.3 ARMA-GARCH模型 | 第21页 |
| 2.5.4 观点误差使用GARCH模型量化的可行性分析 | 第21-22页 |
| 第三章 实证过程 | 第22-44页 |
| 3.1 数据选取及预处理 | 第22-23页 |
| 3.1.1 数据选取 | 第22页 |
| 3.1.2 数据预处理 | 第22-23页 |
| 3.2 ELMAN神经网络预测观点收益率 | 第23-30页 |
| 3.2.1 神经网络结构确定 | 第23页 |
| 3.2.2 BP神经网络、灰色BP神经网络与Elman神经网络的预测及比较 | 第23-28页 |
| 3.2.3 Elman神经网络预测股价 | 第28-30页 |
| 3.3 GARCH模型量化观点误差 | 第30-36页 |
| 3.3.1 描述性分析 | 第30-32页 |
| 3.3.2 平稳性检验 | 第32-33页 |
| 3.3.3 相关性检验 | 第33-34页 |
| 3.3.4 GARCH模型的建立与预测 | 第34-36页 |
| 3.4 Black-litterman模型构建 | 第36-40页 |
| 3.4.1 观点相关参数 | 第37页 |
| 3.4.2 市场均衡收益率 | 第37页 |
| 3.4.3 BL模型运行结果 | 第37-38页 |
| 3.4.4 最优投资组合及有效前沿 | 第38-40页 |
| 3.5 基于ELMAN-GARCH和因子观点的BL模型构建 | 第40-44页 |
| 3.5.1 因子分析与数据来源 | 第40页 |
| 3.5.2 ABL模型实证研究 | 第40-44页 |
| 第四章 实证结果比较 | 第44-47页 |
| 4.1 研究内容 | 第44页 |
| 4.2 基于不同方法的BL模型比较 | 第44-45页 |
| 4.3 基于不同方法的ABL模型比较 | 第45页 |
| 4.4 ABL模型与BL模型比较 | 第45-47页 |
| 第五章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 硕士期间主要研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |
