| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 高频金融时间序列的研究 | 第11-12页 |
| 1.1.1 高频金融数据的定义 | 第11页 |
| 1.1.2 高频金融数据的特征 | 第11-12页 |
| 1.1.3 高频金融数据的主要研究方向 | 第12页 |
| 1.2 非平稳时间序列分析方法 | 第12-13页 |
| 1.2.1 非平稳随机过程定义 | 第12-13页 |
| 1.2.2 非平稳时间序列分析 | 第13页 |
| 1.3 Hilbert-Huang变换的应用和发展 | 第13-14页 |
| 1.3.1 Hilbert-Huang变换介绍 | 第13页 |
| 1.3.2 Hilbert-Huang变换的应用效果 | 第13-14页 |
| 1.4 本课题的研究意义和主要工作 | 第14-16页 |
| 1.4.1 课题的研究意义 | 第14页 |
| 1.4.2 本文的主要工作 | 第14-16页 |
| 第2章 Hilbert-Huang变换 | 第16-21页 |
| 2.1 Hilbert-Huang变换概述 | 第16-18页 |
| 2.1.1 瞬时频率 | 第16-17页 |
| 2.1.2 本征模态函数 | 第17-18页 |
| 2.2 Hilbert-Huang变换算法实现 | 第18-21页 |
| 2.2.1 经验模式分解 | 第18-19页 |
| 2.2.2 Hilbert谱 | 第19-21页 |
| 第3章 应用Hilbert-Huang变换分析沪深300股指期货高频序列 | 第21-27页 |
| 3.1 股指期货数据描述 | 第21页 |
| 3.1.1 合约选择与说明 | 第21页 |
| 3.1.2 高频数据的采集与处理 | 第21页 |
| 3.2 沪深300股指期货高频数据的EMD分解与重构 | 第21-25页 |
| 3.2.1 EMD分解结果 | 第22-24页 |
| 3.2.2 IMF重构沪深300数据 | 第24-25页 |
| 3.3 沪深300股指期货高频数据的Hilbert时频能量谱 | 第25-27页 |
| 第4章 沪深300股指期货短期价格预测 | 第27-37页 |
| 4.1 人工神经网络简介 | 第27页 |
| 4.2 Elman神经网络 | 第27-29页 |
| 4.2.1 Elman神经网络的结构 | 第28页 |
| 4.2.2 Elman神经网络的特点 | 第28-29页 |
| 4.3 基于Elman神经网络的预测 | 第29-33页 |
| 4.3.1 数据预处理 | 第29-31页 |
| 4.3.2 模型训练 | 第31-32页 |
| 4.3.3 预测结果 | 第32-33页 |
| 4.4 基于EMD分解改进Elman网络预测 | 第33-36页 |
| 4.4.1 直接预测模型的不足 | 第33页 |
| 4.4.2 基于EMD改进的Elman网络预测 | 第33-36页 |
| 4.5 两种预测方法结果比较 | 第36页 |
| 4.6 本章小结 | 第36-37页 |
| 第5章 基于Hilbert-Huang变换的交易策略 | 第37-44页 |
| 5.1 交易策略概述 | 第37页 |
| 5.2 策略设计及回测 | 第37-42页 |
| 5.2.1 策略规则 | 第37-38页 |
| 5.2.2 回测假设 | 第38-39页 |
| 5.2.3 历史回测结果 | 第39-40页 |
| 5.2.4 敏感性分析 | 第40-42页 |
| 5.3 回测结果分析和改进 | 第42-44页 |
| 5.3.1 结果分析 | 第42页 |
| 5.3.2 策略改进方向 | 第42-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 本文主要工作和结论 | 第44页 |
| 6.2 进一步研究方向 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |
