文摘
英文文摘
第一章 绪论
1.1 选题的背景与意义
1.2 相关模型的研究综述
1.2.1 金融时间序列模型综述
1.2.2 支持向量机综述
1.2.3 小波理论综述
1.2.4 流形方法综述
1.3 论文结构与创新之处
1.3.1 结构安排
1.3.2 主要创新
第二章 统计学习与支持向量机
2.1 引言
2.2 计算学习理论
2.2.1 学习问题表述
2.2.2 统计学习理论
2.2.3 可能近似正确学习模型
2.3 支持向量机理论
2.3.1 线性支持向量分类机
2.3.2 非线性支持向量分类机
2.3.3 支持向量回归机
2.3.4 核的构造条件
2.4 本章小结
第三章 基于小波支持向量机的股价动力模型分析
3.1 引言
3.2 股票收益模型研究
3.2.1 有效市场假说与布朗运动模型
3.2.2 分形市场假说与分数布朗运动模型
3.2.3 Hurst指数与重标极差分析
3.2.4 混沌动力学模型与Lyapunov指数
3.3 基于小波支持向量机的收益模型
3.3.1 小波变换与多分辨分析
3.3.2 小波核构造与证明
3.3.3 实验数据与预处理
3.3.4 性能指标与结果分析
3.4 本章小结
第四章 基于小波支持向量机的GARCH模型分析
4.1 引言
4.2 波动率模型研究
4.2.1 ARCH模型
4.2.2 GARCH模型
4.2.3 随机波动SV模型
4.3 基于小波支持向量机的波动模型
4.3.1 仿真实验
4.3.2 真实数据集实验
4.4 本章小结
第五章 基于流形小波核的收益序列分析
5.1 引言
5.2 先验模型研究
5.3 数据依赖模型研究
5.3.1 黎曼流形与度量
5.3.2 核函数的几何解释
5.4 流形小波核构造与证明
5.5 实验结果与分析
5.6 本章小结
第六章 基于样条小波核的波动序列分析
6.1 引言
6.2 样条小波模型研究
6.3 样条空间与函数
6.3.1 样条函数空间
6.3.2 B样条函数定义与性质
6.4 样条小波核构造与证明
6.5 实验结果与分析
6.6 本章小结
第七章 结论与展望
参考文献
攻读博士学位期间所取得的研究成果
致谢