第一章 绪论 1
第一节 研究背景与意义 1
第二节 国内外文献综述 5
一 日内模式、随机交易间隔建模与市场微结构理论 5
二 波动率、微结构噪声与最优取样间隔 8
三 连续时间模型 13
四 国内研究现状 14
第三节 研究内容及创新 15
第二章 金融高频数据挖掘的概念与统计特征 18
第一节 基本分析框架 18
一 时间序列：理解高频数据的起点 18
二 序贯面板数据变换 24
第二节 相关概念辨析 29
一 高频交易数据 29
二 交易高频数据 35
第三节 典型统计特征 41
一 基本描述 41
二 经验特征 41
三 理论特征 46
第四节 本章小结 52
第三章 数据准备及大规模数据集的分析逻辑 54
第一节 数据挖掘的统计学内涵 55
一 参数与非参数方法 55
二 验证性与探索性分析 56
三 渐进理论与统计学习理论 56
四 数据规模：实录数据与系统收集数据 58
五 再论数据挖掘与统计学 59
第二节 统计分析的本质属性 61
第三节 样本数据的来源与结构 67
第四节 大规模数据集的分析逻辑 70
一 定义及特征 70
二 分析逻辑 71
第五节 本章小结 77
第四章 函数数据分析的基本逻辑及实证分析 79
第一节 信号与随机信号 79
一 信号的定义及分类 79
二 随机信号的定义及分类 79
第二节 连续信号离散化 81
一 数字信号处理 82
二 Shannon采样定理 82
三 采样的本质 83
第三节 离散数据连续化 86
一 函数数据、面板数据与符号数据 86
二 函数数据分析的要点 90
三 基本原理与步骤 92
第四节 基展开（频域分析）的逻辑 99
一 基展开的本质 99
二 何为基 99
三 两类重要的变换 102
四 基函数的比较 102
五 再论逼近问题 108
第五节 基于FDA的日内结构分析 111
一 序贯面板数据变换 111
二 情形1（N=48,T=218） 113
三 情形2（N=218,T=48） 119
第六节 本章小结 125
第五章 非平稳非线性序列分析的EMD方法 126
第一节 传统方法及其比较 126
第二节 HHT的基本思想 128
第三节 EMD分解与原序列重构 130
第四节 正交性检验与成分分析 133
一 正交性检验 133
二 成分数据分析 135
第五节 本章小结 137
第六章 一类模型自由的波动率估计方法 139
第一节 典型特征对建模的启示 139
第二节 历史波动率与隐含波动率 141
第三节 波动率的基本估计方法 145
一 ARCH族和SV族模型的基本逻辑（MEM模型） 145
二 用RV估计IV 148
第四节 协同波动率方法 150
一 协同波动率的定义 150
二 相关性与波动性的分解与关联 152
三 数值模拟：取样频率与相关性对协同波动率的影响 154
四 方差—协方差随取样频率增加而下降的事实（不含有微结构噪声） 156
第五节 实证分析 160
第六节 本章小结 162
第七章 对支持向量机混合核函数方法的再评估 164
第一节 混合核函数的基本思路 165
第二节 核函数在支持向量机中的作用 166
第三节 算法复杂度对泛化能力的影响 169
一 基于小样本的统计分析理念 169
二 影响支持向量机泛化能力的关键因素 170
三 模型选择的基本准则 173
第四节 信息重叠弱化了混合核函数的有效性 174
一 数据清洗 175
二 结果分析 176
第五节 本章小结 177
第八章 市场微观结构分析 180
第一节 市场微观结构理论概述 180
一 市场微观结构理论研究的主要内容 180
二 价格发现建模与市场有效性检验 187
第二节 日历效应的经济学解释 192
一 经验分析 192
二 博弈论视角 193
三 对拥挤现象的剖析 194
四 对相关性的剖析 194
第三节 微观方法论及其比较分析 195
一 奥地利学派与芝加哥学派 196
二 奥地利学派与行为经济学 202
三 个人与群体的行为逻辑 203
四 预期理论 205
五 市场过程 208
第四节 证券及证券市场的意义 209
第五节 本章小结 210
第九章 随机交易间隔分析 212
第一节 数据以高频记录的成本 212
第二节 随机交易间隔的基本特征 214
第三节 数据清洗中可能遇到的错误 215
第四节 信息与噪声在何处分界 218
一 概率分布与反演 218
二 更细致的分析 219
三 经济含义解读 221
第五节 随机交易间隔建模 227
第六节 本章小结 231
第十章 结论与展望 233
第一节 结论 233
第二节 展望 237
参考文献 239
后记·致谢 263