自适应数据分析方法——理论与应用

本书以高频数据为主要研究对象，将不同的自适应分析方法（经验模态分解、整体经验模态分解、自适应噪声的完备经验模态分解、局部均值分解、总体局部均值分解）应用到金融高频数据的波动率估计中，并比较分析了基于自适应分析方法的波动率估计的优缺点、精度以及未来的应用和发展。对波动率进行估计可以有效地把握市场的运行规律，这为今后的资产定价和风险管理的研究都提供了丰富的参考依据，同时也为我国股票市场的波动率估计提供了新的思路。 本书的读者对象为统计学、数学、经济学等相关专业的本科生、研究生和教师等。

前言
第1章 绪论
1.1 研究背景
1.2 自适应分解方法的发展现状
1.2.1 经验模态分解的研究现状
1.2.2 整体经验模态分解的研究现状
1.2.3 基于自适应噪声的完备经验模态分解的研究现状
1.2.4 局部均值分解的研究现状
1.2.5 总体局部均值分解的研究现状
1.3 波动率研究的发展与现状
1.4 本书的框架结构
第2章 已实现波动率与已实现极差波动率
2.1 引言
2.2 已实现波动率与已实现极差波动率的基础背景
2.2.1 积分波动率
2.2.2 已实现波动率
2.2.3 已实现极差波动率
2.2.4 已实现波动率与已实现极差波动率的理论比较
2.3 已实现波动率与已实现极差波动率的应用
2.4 本章小结
第3章 自适应分解方法的应用
3.1 引言
3.2 信号去噪
3.3 非线性振动分析
3.4 故障诊断
3.5 语音增强
3.6 其他应用
3.7 本章小结
第4章 基于经验模态分解的高频数据波动率估计
4.1 引言
4.2 经验模态分解基本理论
4.2.1 瞬时频率
4.2.2 固有模态函数
4.2.3 经验模态分解
4.2.4 希尔伯特谱分析
4.2.5 经验模态分解特性
4.3 已实现波动率及其估计
4.4 模拟研究
4.5 多尺度分析
4.5.1 各分量描述性统计分析
4.5.2 正态性分析
4.5.3 周期性分析
4.6 波动率估计
4.7 本章小结
第5章 基于整体经验模态分解的高频数据波动率估计
5.1 引言
5.2 整体经验模态分解基本理论
5.2.1 经验模态分解的模态混叠
5.2.2 经验模态分解的端点问题
5.2.3 整体经验模态分解的原理
5.3 模拟研究
5.4 多尺度分析
5.4.1 各分量描述性统计分析
5.4.2 正态性分析
5.4.3 周期性分析
5.5 波动率估计
5.6 本章小结
第6章 基于自适应噪声的完备经验模态分解的高频数据波动率估计
6.1 引言
6.2 基于自适应噪声的完备经验模态分解基本理论
6.3 已实现波动率估计
6.4 模拟研究
6.5 多尺度分析
6.5.1 各分量描述性统计分析
6.5.2 正态性分析
6.5.3 周期性分析
6.6 波动率估计
6.7 本章小结
第7章 基于局部均值分解的高频数据波动率估计
7.1 引言
7.2 局部均值分解基本理论
7.3 已实现波动率估计
7.4 模拟分析
7.5 多尺度分析
7.5.1 各分量描述性统计分析
7.5.2 正态性分析
7.5.3 周期性分析
7.6 波动率估计
7.7 本章小结
第8章 基于总体局部均值分解的高频数据波动率估计
8.1 引言
8.2 总体局部均值分解基本理论
8.3 已实现波动率估计
8.4 模拟分析
8.5 多尺度分析
8.5.1 各分量描述性统计分析
8.5.2 正态性分析
8.5.3 周期性分析
8.6 波动率估计
8.7 本章小结
第9章 基于自适应分解方法高频数据波动率估计的比较分析
9.1 引言
9.2 实证分析
9.3 本章小结
第10章 总结与展望
10.1 总结
10.2 展望
10.2.1 多变量波动率模型的应用
10.2.2 考虑市场微观结构噪声的已实现波动率计算方法
10.2.3 自适应分解方法对混频数据进行多尺度分析
10.2.4 自适应分解方法与机器学习结合建立混频数据预测模型
参考文献