| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| 英文摘要 | 第8-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景与文献综述 | 第13-18页 |
| ·经济物理学概述 | 第13-15页 |
| ·金融时间序列研究 | 第15-17页 |
| ·神经网络模型预测 | 第17-18页 |
| ·重要的基础理论 | 第18-20页 |
| ·主要研究结果 | 第20-22页 |
| 第2章 选举交互系统构建股票价格过程及统计分析 | 第22-54页 |
| ·引言 | 第22页 |
| ·有限程选举交互系统理论 | 第22-25页 |
| ·构造随机金融价格模型 | 第25-26页 |
| ·价格模型的波动集簇与长记忆性分析 | 第26-36页 |
| ·模拟收益率的基本统计行为 | 第26-28页 |
| ·波动集簇性分析 | 第28-30页 |
| ·长记忆性分析 | 第30-34页 |
| ·长记忆性与波动集簇性的关系 | 第34-36页 |
| ·尺度不变的Multiplier分布分析 | 第36-39页 |
| ·Multiplier构造 | 第36页 |
| ·实证分析 | 第36-39页 |
| ·不同时间尺度上收益率的Zipf分析 | 第39-43页 |
| ·方法介绍 | 第39-40页 |
| ·频率函数的Zipf行为分析 | 第40-42页 |
| ·Zipf分布分析 | 第42-43页 |
| ·长程选举模型-相位与多重分形性分析 | 第43-53页 |
| ·“Stylized Facts”分析 | 第44-45页 |
| ·EMD算法与MF-DFA方法介绍 | 第45-47页 |
| ·收益率与IMFs的多重分形性分析 | 第47-50页 |
| ·瞬时相位统计分析 | 第50-51页 |
| ·瞬时幅值的多重分形性分析 | 第51-53页 |
| ·结论 | 第53-54页 |
| 第3章 定向渗流理论构建股票价格过程及统计分析 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·定向渗流理论 | 第55-57页 |
| ·构造随机金融价格模型 | 第57-58页 |
| ·价格模型与香港恒生指数的复杂混沌行为 | 第58-67页 |
| ·数据描述 | 第58-59页 |
| ·混沌统计特征的实证分析 | 第59-64页 |
| ·重构相空间的相位点预测 | 第64-67页 |
| ·结论 | 第67-68页 |
| 第4章 连续渗流系统构建股票价格过程及统计分析 | 第68-93页 |
| ·引言 | 第68-69页 |
| ·连续渗流理论 | 第69-71页 |
| ·构造随机金融价格模型 | 第71-72页 |
| ·价格模型多参数收益率的多重分形特征 | 第72-74页 |
| ·模拟数据与上证指数的递归定量分析 | 第74-80页 |
| ·递归定量分析法 | 第74-75页 |
| ·收益率的实证分析 | 第75-77页 |
| ·IMFs的实证分析 | 第77-80页 |
| ·价格模型多重分形交叉相关性分析 | 第80-92页 |
| ·数据描述 | 第80-81页 |
| ·交叉相关性检验 | 第81-83页 |
| ·多重分形去趋势交叉相关实证分析 | 第83-91页 |
| ·多参数拓展分析 | 第91-92页 |
| ·结论 | 第92-93页 |
| 第5章 综合多尺度熵量化分析金融短程时间序列的复杂性 | 第93-101页 |
| ·引言 | 第93-94页 |
| ·统计方法 | 第94-95页 |
| ·多尺度熵MSE | 第94-95页 |
| ·综合多尺度熵CMSE | 第95页 |
| ·MSE和CMSE算法的比较分析 | 第95-98页 |
| ·白噪音和1/f噪音的检验 | 第95-97页 |
| ·金融时间序列的检验 | 第97-98页 |
| ·CMSE实证分析不同金融股票序列 | 第98-100页 |
| ·结论 | 第100-101页 |
| 第6章 金融收益率波动持续时间的统计行为 | 第101-111页 |
| ·引言 | 第101-102页 |
| ·数据描述 | 第102页 |
| ·金融波动持续时间的概念 | 第102-103页 |
| ·波动持续时间的统计分析 | 第103-110页 |
| ·经验概率分布 | 第103-105页 |
| ·记忆性 | 第105-108页 |
| ·多重分形行为 | 第108-110页 |
| ·结论 | 第110-111页 |
| 第7章 随机时效性RBF神经网络下的股票指数波动预测 | 第111-127页 |
| ·引言 | 第111-112页 |
| ·RBF神经网络模型 | 第112-114页 |
| ·随机时效性RBF神经网络算法的构造 | 第114-116页 |
| ·实证分析 | 第116-125页 |
| ·数据选取与归一化处理 | 第116-117页 |
| ·随机时效性神经网络模型的预测 | 第117-123页 |
| ·预测结果的评估 | 第123-125页 |
| ·模型拓展 | 第125-126页 |
| ·结论 | 第126-127页 |
| 第8章 总结与展望 | 第127-128页 |
| 参考文献 | 第128-138页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第138-141页 |
| 学位论文数据集 | 第141页 |