第一章 绪论 1
1.1研究背景 1
1.1.1对传统金融理论基石的质疑 2
1.1.2分形与分形市场假说的建立 3
1.2研究意义 5
1.3国内外相关领域的研究现状及存在问题 7
1.3.1国内外相关领域的研究现状 7
1.3.2存在问题 15
1.4本书的主要内容和创新点 16
第二章 金融时间序列的长记忆性及其相关理论 19
2.1金融时间序列长记忆性及其相关模型 19
2.1.1金融时间序列长记忆性的检验方法 21
2.1.2金融时间序列的均值和波动率模型 26
2.2灰色预测理论 34
2.2.1灰色系统理论的提出与发展 35
2.2.2灰色系统的原理 37
2.2.3灰色预测模型 39
2.2.4灰色组合预测模型 42
2.3人工神经网络理论基础 45
2.3.1神经网络的概念 47
2.3.2几种常用的神经网络 47
2.4时间序列的混沌分析法 55
2.4.1时间序列的混沌检验方法 56
2.4.2时间序列的混沌预测方法 59
2.5本章小结 61
第三章 金融时间序列的长记忆性检验 62
3.1世界主要股票指数及汇率的长记忆性检验 65
3.1.1数据的预处理及正态性检验 66
3.1.2长记忆性的检验比较 67
3.2时间和事件对长记忆检验结果的影响 71
3.2.1时间对检验结果的影响 72
3.2.2事件对检验结果的影响 74
3.3 V/S分析法的短期敏感度分析 76
3.4本章小结 80
第四章 灰色长记忆模型及其实证研究 82
4.1灰色预测模型的建立 84
4.1.1基本灰色预测模型GM(1,1) 84
4.1.2改进的灰色预测模型IGM(1,1)的建立 85
4.2基于IGM(1,1)的长记忆金融时序建模及实证研究 90
4.2.1 IGM-ARFIMA模型的建立 91
4.2.2 IGM-ARFIMA模型的实证研究 94
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 98
4.3.1 IGM-FIGARCH模型的建立 99
4.3.2 IGM-FIGARCH模型的实证研究 101
4.4本章小结 107
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 109
5.1 Elman神经网络的基本原理 110
5.1.1 Elman神经网络的结构 111
5.1.2 Elman神经网络的学习算法 112
5.2改进的Elman神经网络 113
5.3基于相空间重构技术的非线性金融时间序列预测 118
5.3.1时间序列的相空间重构 119
5.3.2重构相空间中的参数估计 120
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 123
5.4.1数据的预处理 124
5.4.2确定相空间重构的参数 125
5.4.3网络结构的设定 127
5.4.4网络训练和预测 127
5.5本章小节 131
第六章 总结与展望 132
6.1本书总结 132
6.2工作展望 134
参考文献 135
后记 151