金融时间序列的长记忆特性及预测研究

第一章 绪论
1.1 研究背景
1.1.1 对传统金融理论基石的质疑
1.1.2 分形与分形市场假说的建立
1.2 研究意义
1.3 国内外相关领域的研究现状及存在问题
1.3.1 国内外相关领域的研究现状
1.3.2 存在问题
1.4 本书的主要内容和创新点
第二章 金融时间序列的长记忆性及其相关理论
2.1 金融时间序列长记忆性及其相关模型
2.1.1 金融时间序列长记忆性的检验方法
2.1.2 金融时间序列的均值和波动率模型
2.2 灰色预测理论
2.2.1 灰色系统理论的提出与发展
2.2.2 灰色系统的原理
2.2.3 灰色预测模型
2.2.4 灰色组合预测模型
2.3 人工神经网络理论基础
2.3.1 神经网络的概念
2.3.2 几种常用的神经网络
2.4 时间序列的混沌分析法
2.4.1 时间序列的混沌检验方法
2.4.2 时间序列的混沌预测方法
2.5 本章小结
第三章 金融时间序列的长记忆性检验
3.1 世界主要股票指数及汇率的长记忆性检验
3.1.1 数据的预处理及正态性检验
3.1.2 长记忆性的检验比较
3.2 时间和事件对长记忆检验结果的影响
3.2.1 时间对检验结果的影响
3.2.2 事件对检验结果的影响
3.3 V／S分析法的短期敏感度分析
3.4 本章小结
第四章 灰色长记忆模型及其实证研究
4.1 灰色预测模型的建立
4.1.1 基本灰色预测模型GM(1，1)
4.1.2 改进的灰色预测模型IGM(1，1)的建立
4.2 基于IGM(1，1)的长记忆金融时序建模及实证研究”
4.2.1 IGM-ARFIMA模型的建立
4.2.2 IGM-ARFIMA模型的实证研究
4.3 基于IGM(1，1)的长记忆金融时序波动率建模及实证研究
4.3.1 IGM-FIGARCH模型的建立
4.3.2 IGM-FIGARCH模型的实证研究
4.4 本章小结
第五章 基于神经网络和相空间重构的长记忆金融时序预测研究
5.1 Elman神经网络的基本原理
5.1.1 Elman神经网络的结构
5.1.2 Elman神经网络的学习算法
5.2 改进的Elman神经网络
5.3 基于相空间重构技术的非线性金融时间序列预测
5.3.1 时间序列的相空间重构
5.3.2 重构相空间中的参数估计
5.4 基于改进Elman网络和相空间重构的金融时间序列预测实证研究
5.4.1 数据的预处理
5.4.2 确定相空间重构的参数
5.4.3 网络结构的设定
5.4.4 网络训练和预测
5.5 本章小节
第六章 总结与展望
6.1 本书总结
6.2 工作展望
参考文献
后记