| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1. 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的和意义 | 第13-17页 |
| 1.3 论文框架 | 第17-18页 |
| 1.4 主要创新点 | 第18-20页 |
| 2. 文献综述 | 第20-33页 |
| 2.1 国外研究现状 | 第20-30页 |
| 2.1.1 DARMA模型 | 第20-22页 |
| 2.1.2 Markov链模型 | 第22-24页 |
| 2.1.3 Thinning模型 | 第24-30页 |
| 2.2 国内研究现状 | 第30-31页 |
| 2.3 对国内外文献的述评 | 第31-33页 |
| 3. INAR(p)模型的拓展研究:参数估计、模型识别和平稳性问题 | 第33-78页 |
| 3.1 自我分解性质与Thinning算子的统计特征 | 第34-36页 |
| 3.1.1 自我分解性质 | 第34-35页 |
| 3.1.2 Thinning算子的性质 | 第35-36页 |
| 3.2 INAR(p)模型概述及估计量模拟研究 | 第36-55页 |
| 3.2.1 INAR(1)模型 | 第36-41页 |
| 3.2.2 INAR(p)模型 | 第41-46页 |
| 3.2.3 INAR(p)模型的模拟研究 | 第46-55页 |
| 3.3 模型识别问题—滞后期长度选择问题 | 第55-64页 |
| 3.3.1 模型识别问题简介 | 第55-57页 |
| 3.3.2 离散值时间序列阶数选择准则的探讨 | 第57-64页 |
| 3.4 非平稳的INAR(p)模型—单位根问题 | 第64-78页 |
| 3.4.1 连续时间序列中的单位根问题 | 第64-65页 |
| 3.4.2 离散值时间序列中的单位根问题 | 第65-78页 |
| 4. INMA(q)模型的参数估计及其扩展研究 | 第78-119页 |
| 4.1 INMA(q)模型概述 | 第78-89页 |
| 4.1.1 INMA(1)模型 | 第80-85页 |
| 4.1.2 INMA(q)模型 | 第85-89页 |
| 4.2 INMA(q)模型的估计 | 第89-96页 |
| 4.2.1 INMA(1)模型的估计 | 第90-92页 |
| 4.2.2 INMA(q)模型的估计 | 第92-96页 |
| 4.3 INMA(q)模型的模拟研究 | 第96-103页 |
| 4.4 INMA(q)模型的推广—随机系数整数值滑动平均模型 | 第103-119页 |
| 4.4.1 随机系数问题简介 | 第103-104页 |
| 4.4.2 整值随机系数滑动平均模型—RINMA(q)模型 | 第104-107页 |
| 4.4.3 RINMA(q)模型的参数估计 | 第107-111页 |
| 4.4.4 RINMA(q)模型的模拟研究 | 第111-119页 |
| 5. 实证分析—股票交易量行为研究 | 第119-134页 |
| 5.1 研究股票交易量的意义 | 第119-120页 |
| 5.2 泸天化股票的买家交易笔数的描述统计分析 | 第120-122页 |
| 5.3 模型选择、估计与检验 | 第122-126页 |
| 5.4 INAR(2)模型的预测 | 第126-134页 |
| 6. 结语 | 第134-137页 |
| 6.1 本文的贡献 | 第134-135页 |
| 6.2 未来研究展望 | 第135-137页 |
| 参考文献 | 第137-148页 |
| 附录A INAR(1)模型估计量的模拟研究输出结果 | 第148-157页 |
| 附录B INAR(2)～ INAR(5)模型估计量的模拟研究输出结果 | 第157-173页 |
| 附录C INAR(p)模型的滞后阶数选择问题中各种准则的输出结果 | 第173-186页 |
| 附录D 股票泸天化的买家交易笔数的数据 | 第186-187页 |
| 致谢 | 第187-189页 |
| 在读期间科研成果目录 | 第189-190页 |
