一、我国股票指数收益的正态性分析（论文文献综述）
侯柔君[1]（2019）在《新兴行业股票市场波动性和联动性研究》文中进行了进一步梳理随着我国经济实力增强,股票市场繁荣发展,对股票市场进行研究使股民更加合理地投资,规避一定的风险起着至关重要的作用。目前,对于股票市场的研究多集中在沪深主板、各种中小板以及传统的三大产业,对目前发展较好的新兴行业的研究相对较少。本文将对“十二五”规划的七大新兴行业的波动性和联动性进行研究,为股民投资和政府制定策略提供参考。本文将以节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料和新能源汽车共七个产业为研究对象,选取2014年9月25日到2018年12月7日的日收盘价数据进行分析。首先对波动性采取GARCH和SV模型分别进行实证分析并给出结论,接着对联动性采取DCC-GARCH模型计算出相关系数,并且画出动态相关系数图进行更直观的分析,得出新兴行业之间的动态相关性。实证分析有如下结果:（1）从前后波动依赖性看,高端装备、材料的ARCH项最大,而生物医药、信息技术的ARCH项最小。说明高端装备、材料的前期波动对后期波动有较大的影响,而生物医药、信息技术的前期波动对后期波动有较小的影响。但是新能源车、信息技术、生物医药的GARCH项相对较大,说明一旦受到前期的影响,它将持续更长的时间。而高端装备和材料的GARCH项则相对较小,也就是它们的波动持续性较短。另外对于数据再采用SV模型进行拟合,进行综合分析,我们也发现高端装备和材料前期波动对后期波动影响最大,而生物医药、信息技术最小。这些结论综合显示:生物医药、信息技术的当前期波动对短期产生的影响较小,该行业的发展应该是较为成熟,股民对它更有信赖;而高端装备、材料则相反,前期的变化将对短期产生更大的影响,短期炒作行为较突出。（2）从行业之间的波动联动性看,节能环保行业与其他行业关联性最大,尤其是节能环保和新能源车以及新能源。而材料与其他行业关联性最小,但是都存在着比较强的关联性。同为战略性新兴行业,股民应多关注其他行业股票变化。最后,对本文得到的结论进行总结并给出建议。
郝苾琛[2]（2019）在《中国股市杠杆效应对比分析》文中指出股票市场当中的收益率与波动率之间的非对称关系一直是金融学、经济学研究中较为关注的话题。其中杠杆效应备受关注。我国大陆股市自成立以来,虽然历时与香港和台湾市场而言较短,但是对于股市的波动性关注度仍然较高,而且与香港和台湾市场存在一定的区别。在不同的市场态势下,研究上证综指、香港恒生指数与台湾加权指数的波动杠杆效应,有利于监管者充分了解市场的波动特征,从而能够更好的促进我国金融市场健康合理的发展。通过对国内外相关文献的研究总结,本文采用ARMA-EGRACH模型来衡量股市波动的杠杆效应,将大陆、香港与台湾市场2010年1月到2018年12月的收盘价数据划分为牛市、熊市与震荡期三个阶段,进行了实证研究。通过综合比较分析发现:第一,我国三大股市大盘指数在全样本期间均表现出波动的杠杆效应,其中香港恒生指数与台湾加权指数的杠杆效应系数显着为负,表明存在显着的杠杆效应,而大陆市场的杠杆效应系数不显着。第二,在不同的市场态势下三个股票市场的杠杆效应表现不同。其中大陆市场与香港、台湾市场在不同阶段的表现特征存在显着差异。在熊市阶段,上证综指和香港恒生指数、台湾加权指数均存在显着的杠杆效应。在牛市和震荡期阶段,香港恒生指数与台湾加权指数均存在杠杆效应,而上证综指存在杠杆效应的反转效应,表明此时的杠杆效应不显着。
黄锦东[3]（2016）在《基于改进小波领袖法的股票市场重大风险识别 ——以上证指数为例》文中认为作为研究金融市场多重分形特征的重要工具,小波领袖法在投资领域具有广泛的应用前景。本文在对单分形模型、多重分形模型的算法和建模思想的归纳总结工作中,发现传统的小波领袖法存在缺陷。为此,本文提出了改进的小波领袖法。在通过分析得知上证指数收益率的确存在异常现象后,本文还运用改进小波领袖法来实现上证指数重要拐点的精确定位。值得一提的是,这些研究都取得了显着的成果。首先,从单分形模型和多重分形模型的归纳分析中,本文发现传统小波领袖法与多重分形理论、分形市场假说和单分形经典R/S分析都存在不一致。且这些不一致表明传统小波领袖法存在逻辑缺陷,并会对奇异指数产生低估效应。为此本文提出:在实际应用中,应当对小波母函数乘以与尺度有关的因子√2,以求修正传统的小波领袖算法。其次,在分析上证指数收益率异常现象的过程中,本文发现我国股市收益率存在典型的非正态、非线性和多重分形特征,这表明使用多重分形模型来研究我国股市的做法具有合理性。最后,本文将勒让德变换法和贝叶斯估计法分别与小波领袖法结合,以对上证指数的重要拐点进行定位。定位结果表明,当多重分形程度增强时,市场往往具有较高的趋势反转风险。由此观之,改进后的小波领袖法在股市重大风险的识别中具有很强的实用性。
李月琳[4]（2016）在《极值理论在风险度量中的应用》文中认为极值理论是次序统计学的一门分支,在自然科学、金融保险等领域应用广泛。其研究对象是分布的尾部特征,即极值分布及其特征。在金融保险领域中极值理论主要用于风险度量。利用极值理论建模主要有两个方向：（1）基于广义极值分布的BMM模型和（2）基于广义帕累托分布的POT模型。近年来,风险价值VaR （Value-at-Risk）法从各种衡量金融风险的方法中脱颖而出,最受金融界的重视,越来越多的金融机构计算VaR,将其作为一个度量和防控金融风险的重要指标。但是传统的VaR不是一致的风险度量工具,其计算方法不满足次可加性。为解决这一问题,其他学者引入了期望损失ES（Expected Shortfall）的概念,它是一致风险度量工具,弥补了VaR的缺陷,同时还保留了VaR的优点。本文详细地介绍了VaR的定义以及VaR的三种传统计算方法（正态分布法、历史模拟法及蒙特卡洛模拟法）,并对三种方法作了详细的比较。传统的VaR计算方法有二大显着的劣势,第一其需要对资产收益的整体分布作出前提假设,一般假设资产收益服从正态分布；第二,金融数据尤其是损失数据的分布具有厚尾的特性,传统VaR计算方法亦未将其考虑在内,易低估风险。为改良传统VaR计算方法中的不足之处,本文将极值理论运用于风险度量计算VaR值。由于极值理论仅关注资产收益的尾部分布而不需要对整体作出模型假设,故而减少了假设不准确带来的模型风险,并且还能够精确刻画出金融数据分布的厚尾特性,因而使用极值理论模型求出的VaR风险值更符合实际。本文实证研究部分以上证综合指数、沪深300指数、中小企业板指数及创业板指数为例,使用极值理论法（本文主要采用POT模型）、方差-协方差法、蒙特卡洛模拟法计算风险价值,得到了VaR和ES的估计值。特别地,金融数据普遍存在序列自相关和波动聚集现象,会使得超限样本数据无法满足运用POT模型所要求的独立同分布条件,会造成估计误差,因此引入了GARCH模型来消除自相关性和ARCH效应。同时,波动率还具有时变性,一般的蒙特卡罗模拟法选取固定的均值与方差作为反映股票价格变化的随机模型的参数,这显然与事实不符,为提高VaR估计的精确性,本文采用改进的蒙特卡罗模拟法,即利用GARCH模型估计资产收益率的波动性,体现波动率变动的影响,另外使用t分布（而不是正太分布）产生随机数,以增加在较高置信度下VaR计算的准确性,减少低估风险的程度。后验测试的结论显示,GARCH-POT模型衡量风险的效果良好,其计算的VaR值均处于Kupiec检验和Wald检验的可接受域内。而方差-协方差法会严重低估尾部风险,四种指数99%和99.5%置信度下的VaR估计值均不能通过检验,这显然不能满足金融实践中对于衡量极端情况下风险的要求。而GARCH-MC-t-VaR模型能够精确地预测极端情况的风险,但是会严重高估非极端的尾部风险。由于资产收益序列还存在不对称性,但是普通的GARCH模型并没有刻画出这种特性。VaR的合理估计依赖于波动率的准确预测。因此还引入了GJR-GARCH模型以求进一步提高风险衡量的效率。GJR-GARCH-POT模型计算的VaR均通过了Kupiec检验和Wald检验。相对于普通的GARCH-POT模型,GJR-GARCH-POT模型计算的失败次数大多数情况下都在可接受范围内有所减少,这表明后者进一步提高了VaR计算的精确度。值得注意的是,GJR-GARCH-POT模型精确度的提高并没有提升相同置信度下GARCH-POT模型估计出的VaR值的平均水平。在平稳区间段GJR-GARCH-POT模型估计的风险可能会低于GARCH-POT模型的预测,而股市动荡期GJR-GARCH-POT模型估计的风险则会高于GARCH-POT模型。另一方面,由于GJR-GARCH模型能够快速地对市场信息作出反应,并将其反馈到波动率的估计当中,因此GJR-GARCH-POT模型能够为风险管理提供更全面、详实的信息。
刘雪媚[5]（2015）在《房地产股票价格走势影响因素的实证分析》文中研究说明房地产行业作为国民经济的支柱,在经济运营过程中占据着不可替代的位置。单单房地产行业的税收就占全年总税收的15%。但是如今人们不能对房地产行业直接投资,需要通过资本市场,最常用的就是投资房地产股票。本文对30只地产股票进行因子分析,提取出影响地产股波动的潜在因子。第一个因子得分的走势与大盘的走势很接近,第二因子的波动与国家对房地产市场各种调控政策基本同步,认为这两者是影响股票波动的内在因素。影响大盘走势的因素十分复杂,本文大篇幅的对国家宏观政策对地产股的影响进行分析,选取的研究对象有存贷款基准利率、存款准备金率、公积金贷款利率、公开市场业务及差别化的房贷政策。经过研究发现,理论上的利好因素并不一定会对股市有即时效应,甚至出现相悖走向,但任何的经济研究要依托于当年国民经济状况来判断,国家的调控不是全部为了促进经济增长,也要保持经济稳定,增加人民信心。文章最后对地产指数采用ARIMA模型进行简单预测,得到的模型误差较小,若其他条件不变的情况下,对短期的地产股市预测较为准确。
梁恒[6]（2014）在《基于GARCH族模型的我国沪深股市波动非对称性研究》文中指出股票市场的波动性是衡量股市发展效益和质量的重要指标,也是近年来金融实证研究的重要领域。股票市场的波动普遍存在集聚性、非对称性、尖峰厚尾、非正态性分布和持续性等特征。其中股市波动非对称性又是国内外学者研究的重点,其含义是同等程度的利好消息与利空消息对股市波动的冲击影响表现不同。大量实证研究表明,世界大多数股票市场普遍存在着不同程度的波动非对称性现象,而且普遍表现为“杠杆效应”,即利空消息对股市波动的冲击影响比同等程度的利好消息要大。但我国沪深股市发展相对较晚,市场交易机制尚不完善,投资者理性程度偏低,市场投机氛围较浓,受政府政策影响较大,股票价格波动频率高,波动幅度大,仍表现为弱有效市场。与国外成熟股票市场相比,我国沪深股市表现出更高的复杂性和不可预测性。因此,对我国沪深股市波动非对称性进行研究具有重要的理论意义与现实意义。在我国股市20多年的发展历程中,股市波动受政策影响较为明显。自2005年5月股权分置改革以来,我国沪深股市经历了空前的大牛市和大熊市时期。因此,我们选取自股改以来的沪深股市日收盘价为研究样本,以沪深股市日收益率为研究对象,并根据沪深股市创下的历史最高点和最低点为分界点,将样本数据划分为牛市、熊市和混合波动三个阶段。同时,我们综合运用描述性统计方法和GARCH族模型实证分析方法,研究股改以来沪深股市在不同阶段的波动基本特征和波动非对称性现象。其中,在描述性统计分析中,我们通过横向国际比较和纵向分阶段比较,全面分析上证指数和深圳成指波动的基本特征。在横向国际比较分析中,我们引入同期的纳斯达克指数、德国DAX指数、日经225指数、香港恒生指数作为参考进行对比分析。在纵向分阶段比较分析中,我们分别对比分析上证指数和深圳成指总体和三个阶段的波动基本特征,以探究其波动变化情况。分析指标主要包括均值、标准差、偏度、峰度和J-B检验值。实证结果表明：我国沪深股指总体和各阶段样本数据的波动特征与几个主要的国际指数表现出一定的相似性,即我国上证指数和深圳成指总体和各阶段样本序列均表现出显着的波动集聚性、非正态性分布和尖峰厚尾特征,说明我国沪深股指总体和各阶段样本序列均可能存在波动非对称性现象,应该用GARCH族模型做进一步的实证分析。同时,沪深股指各阶段样本序列又表现出各自独特的波动特征,表明对我国沪深股市进行分阶段比较研究的必要性。在GARCH族模型实证分析中,我们主要利用GARCH模型、TARCH模型、EGARCH模型和信息冲击曲线具体分析沪深股指总体和各阶段日收益率序列的波动非对称性现象。在建模分析前,我们首先要对沪深股指收益率序列分别进行平稳性检验、自相关检验和ARCH效应检验等一系列适用性检验,进一步判断沪深股指总体和各阶段样本数据是否适合建立GARCH族模型进行分析。检验结果表明：沪深股指各阶段样本数据属于纯随机的平稳时间序列,沪深股指ARMA模型残差序列存在ARCH效应,即条件异方差性。因此,沪深股指总体和各阶段收益率序列数据均适合建立GARCH族模型。在对沪深股指总体和各阶段样本序列分别建立GARCH族模型后,通过对比我们发现,EGARCH模型更适合用来检验我国沪深股市波动非对称性现象。并且,我们也得出结论：我国沪深股指总体收益率序列波动存在显着的“非对称性效应”,而且表现为“杠杆效应”,与国外成熟的股票市场表现一致,表明我国股市发展已取得长足进步。但是,在分阶段建模分析过程中,我们发现,我国沪深股指收益波动非对称性表现出阶段性特征,即“利好消息”与“利空消息”对沪深股指收益波动的影响效果在不同阶段表现不同。具体来讲,在牛市阶段,沪深股指收益率序列波动表现为显着的“反杠杆效应”；而在熊市和混合波动阶段,沪深股指收益率序列波动均表现为显着的“杠杆效应”。从描述性统计分析和GARCH族模型实证分析结果中可以看出,我国沪深股市发展逐渐成熟,与国外成熟股票市场表现出越来越多的相似性。但是我国沪深股市仍然存在诸多问题,既有市场制度建设方面的问题,也有股市投资者自身存在的问题。这需要社会各界力量共同努力推动我国股票市场进一步完善。
同晓琳[7]（2012）在《我国股市信息非对称性影响研究》文中认为金融投资的根本目的就是取得收益,但是收益又与风险相伴,所以收益率和波动率是股票市场最为重要的两个特征。时间序列的波动率一般存在持续性、簇丛性和非对称型。自二十世纪六士年代以来,国内外学者对股市收益率波动研究重点逐渐侧重于波动的非对称性。国外学者相继提出了非对称GARCH模型和非对称Sv模型来检测波动非对称的存在性,并通过研究发现众多国外市场均存在非对称现象。国内学者也在我国股市的相关研究中发现了波动非对称现象。本文从国内外股市非对称性研究现状入手,发现我国股市非对称性特征有时会表现出利好消息对波动的影响大于利空消息,这异十国外成熟市场的结果。因此,我们提出了区别于国外学者的关于股市波动非对称性的准确定义。另外,针对非对称形成原因的两种假说进行分析,发现其均不能解释我国股票市场非对称现象,针对市场特点、投资者行为以及投资者行为在市场中的表现,我们对我国非对称性的原因进行了分析,并提出“市况说”来解释这一现象。我们应用了基于信息差异的TGARCH模型将我国上证指数分别在整体上和按照“市况”分为四个阶段进行考察。结果发现我国股票市场在整体上和四个阶段上,均存在非对称现象；在整体上的非对称性与成熟市场上一样,利空消息对波动的影响大于利好消息；股市波动阶段性特征根据市道不同而有所不同,在熊市中,存在负面消息的冲击大于正面消息,而在牛市中,正面消息的冲击大于负面消息,这也可以说明市道可以解释我国股市阶段性波动非对称性特征。接下来,分别给出股市非对称性的研究对股市完善和投资者的意义,为促进市场稳定、提高投资者的投资管理效率以及风险管理效率提出建议。
方圆[8]（2012）在《交易机制对市场质量的影响》文中研究表明一个国家的证券市场是对于该国的经济形势的浓缩的体现,同时也是市场经济发展到较高的程度的发展形式。证券市场的市场质量是衡量一个国家证券市场健康稳定的表现的重要指标。市场微观结构理论的研究表明,交易机制对市场价格的形成、流动性、稳定性、透明度及有效性都会产生影响。随着互联网的发展,地域不再是证券发行者选择某一证券交易所进行融资的最重要因素,因此各国交易所之间的竞争愈发的激烈。交易所开始更加的关注市场结构的构架本身。一个更能符合市场投资者利益的交易所才能够在竞争中最终取得成功。因此,我国的证券交易所也应当迫切的需要加强自身结构的优化改革。只有加强交易所的优化改革,选择最有利于市场质量的交易机制和结构设计才能吸引更多的投资者,使得其在未来的发展中,能够在最具竞争力的交易所中赢得一席之地。论文从金融市场微观结构理论的基础上,分析不同的交易机制对于市场质量的不同影响。同时在理论研究的基础上对市场机制对市场波动性的影响,进行了实证研究。实证具体分为两个部分内容,第一部分主要研究集合竞价机制与连续竞价机制对股票收益率的影响,从收益率序列的波动性,正态性以及市场有效性的角度进行分析比较。第二部分主要研究使用收盘集合竞价与使用收盘连续竞价对于股票收益率的波动性的影响。借由香港证券交易所引入收盘集合竞价又在实行不到一年后改回收盘连续竞价的事件作为契机,使用事件研究的方法,比较不同窗口期内的收盘收益率序列的波动性。为了对波动性进行更精确的刻画,将不同窗口期内的收益率序列分别建立GARCH模型进行研究。
龚欢[9]（2011）在《基于MV-GARCH的沪深300股指期货时变套期保值研究》文中指出2010年4月16日沪深300指数期货合约在中国金融期货交易所挂牌,我国的股指期货开始正式交易,股市投资者可以通过股指期货来规避市场风险。随着广大投资者的投资水平逐渐提高,有些投资者会主动地进行套期保值操作。投资者会用比较科学的套期保值方法模型,结合当前的宏微观经济情形,从而决定套期保值策略。股指期货套期保值对机构投资者意义更大,当他们预感股市会跌的时候,出于流动性的原因,机构投资者并不能立刻马上把手中的股票出售。为了减少损失,机构投资者可以做-笔数量相当且方向相反的期货交易,在未来的时间可以实现一个市场的盈利来弥补另一个市场的亏损。近几年来,很多国内外专家学者对套期保值进行研究,研究的核心问题是采取何种策略能有比较好的套期保值效果。我们一般可以把套期保值比率分为常数套期保值比率和时变的套期保值比率,在时变套期保值比率中又有很多种估计方法。在众多的套期保值比率估计方法中,寻找一个套期保值效果比较好的估计方法具有较强的理论意义和现实意义。本文的主要内容是首先对国内外有关股指期货套期保值比率的文献进行了比较系统和即时的综述,其次是详细的介绍了BEKK-MVGARCH、CCC-MVGARCH和DCC-MVGARCH估计方法,再次是运用OLS、BEKK-MVGARCH、CCC-MVGARCH和DCC-MVGARCH方法估计了沪深300股指期货套期保值比率,最后是运用基于“风险最小化”和基于“效用最大化”的评价模型对这几种方法的效果进行比较。本文的主要的结论有：（1）在对沪深300指数和沪深300股指期货收益率序列的GJR-GARCH模型估计的结果中,可知沪深300指数日收益率序列的杠杆效应比较明显,而沪深300股指期货日收益率序列的杠杆效应不明显。（2）实证中得出基于OLS、BEKK、CCC和DCC模型估计的套期保值比率,四个模型估计的套期保值比率平均值都比传统的套期保值比率“1”小,用传统套期保值来进行套期保值的成本是比较大的。基于DCC模型估计的时变套期保值比率平均值在四个模型中相对较小,采用基于DCC模型估计套期保值比率能比较好的控制套期保值成本。（3）不论是从“风险最小化”或者“效用最大化”角度出发,基于BEKK、CCC和DCC模型估计的时变套期保值比率效果都比基于OLS估计的常数套期保值比率效果好。（4）从“风险最小化”角度出发,对BEKK、CCC和DCC模型估计的时变套期保值比率效果的比较中,DCC的效果最好,DCC模型能更好的估计出套期保值比率。如果保值者在控制风险的目的下,可以根据DCC-GARCH估计出的时变套期保值比率,对所持有的期货头寸进行调整,从而更好的规避风险。（5）从“效用最大化”角度出发,对BEKK、CCC和DCC模型估计的时变套期保值比率效果的比较中,CCC和DCC的效果明显要比BEKK效果好,然而CCC要比DCC的效果好。DCC模型是在CCC模型基础上改进而来的,DCC模型增加了相关系数时变的特征,但在基于效用最大化的比较中,基于DCC-GARCH模型估计的套期保值比率的效用并不如CCC-GARCH模型。从上可知,在考虑了套期保值组合收益的情况下的比较中,改进后的模型（DCC）不一定能取得比以前的模型效果好。本文新颖之处：从沪深300股指期货的套期保值实证研究可知：如果是出于风险最小化角度,DCC模型是最好选择。如果是考虑投资者效用,DCC模型并不是最优选择,CCC模型最优。研究有待改进之处：（1）样本数量有限,可能无法充分的发挥模型的预测效果。（2）本文没有考虑实际套期保值过程的交易手续费问题,在时变的套期保值过程中,频繁的操作会产生一大部分的手续费用。（3）本文的样本数据只是采用了当月期货连续数据作为研究,没有考虑其他合约的情况。
冯伟佳[10]（2011）在《基于已预期信息修正的中国股市波动非对称性研究》文中研究表明波动性（Volatility）研究是近年来金融实证研究的重要领域,对金融领域的波动性研究以股票市场的波动最为典型。股票市场的波动有诸多特点：波动的群集性、波动的杠杆效应、波动的持续性等等。大部分文献,在研究股市波动杠杆效应时只考虑未预期信息,对股市产生的杠杆效应,本文称传统的杠杆效应,而未考虑已预期信息,这是因为他们在研究是假设市场对已预期信息的吸收彻底的。陈浪南（2007）在研究九个国家的股市基于已知信息修正杠杆效应时,发现市场基于已预期信息对未预期信息进行修正都呈现为反向修正。本文基于此,对我国股市的波动非对称性进行研究。我国股市发展至今已有二十余年历史,在这个过程中股市与宏观经济关系也在发生微妙的变化,并且由于我股市新行性特点,从而表现出一定的阶段性。因而本文在对我国股市的指数收益率序列做总体性研究的同时,依据刘少波（2005）研究的我国股市与宏观经济相关关系的“三阶段演进路径”分析,将我国股市划分成三个阶段进行阶段性分析。实证结果表明,我国股票市场无论是总体上还是分阶段其存在显着的传统波动杠杆效应,并且更重要的是γ2≠0显着,因此表明我国股市不管是在总体上还是在三个阶段上均存在基于预期信息的杠杆效应。从本文的实证部分我们得出结论：从总体上来看,我国股市表现出的波动非对称性特征与国外成熟市场的波动非对称性特征一样,并且表现出基于已预期信息杠杆效应与陈浪南研究的各国股市基于已知消息修正杠杆效应样,只是反应这种波动非对称性特征的杠杆系数相对要小些；而从分阶段来分析,在第一阶段这段时间里,我国股票市场的波动所表现出的非对称性特征与国外成熟市场的波动非对称性特征相反,并且γ2<0,亦即这在这一时期已预期信息对未预期信息进行正向矫正；在第二,三,四阶段,我国股票市场的波动和国外成熟市场的波动一样呈现出相同的非对称性特征,并且γ1、γ2依次减小,表明我国股市投机成分在不断减少、投资者不断趋于理性,市场在想成熟市场发展。
二、我国股票指数收益的正态性分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、我国股票指数收益的正态性分析（论文提纲范文）
（1）新兴行业股票市场波动性和联动性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 “十二五”新兴产业介绍 |
| 1.3 文献综述 |
| 1.3.1 国外研究 |
| 1.3.2 国内研究 |
| 1.4 研究方法 |
| 1.5 本文创新点 |
| 第2章 相关理论及模型 |
| 2.1 模型和理论简介 |
| 2.2 GARCH模型 |
| 2.2.1 ARCH模型 |
| 2.2.2 GARCH模型 |
| 2.3 SV模型 |
| 2.3.1 SV-N模型 |
| 2.3.2 SV-T模型 |
| 2.3.3 随机波动模型的贝叶斯推断 |
| 2.4 MCMC方法 |
| 2.4.1 基本Gibbs抽样 |
| 2.4.2 M-H算法 |
| 2.5 DCC-GARCH模型 |
| 2.5.1 多元GARCH模型 |
| 2.5.2 DCC-GARCH模型 |
| 第3章 实证分析 |
| 3.1 描述性分析 |
| 3.1.1 时间序列图 |
| 3.1.2 正态性 |
| 3.1.3 平稳性检验 |
| 3.2 GARCH模型 |
| 3.3 SV模型 |
| 3.3.1 参数估计 |
| 3.3.2 结果分析 |
| 3.4 基于DIC准则的模型比较 |
| 3.5 DCC-GARCH模型 |
| 第4章 总结 |
| 4.1 本文结论 |
| 4.2 局限性和展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（2）中国股市杠杆效应对比分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 文献综述 |
| 1.3.1 研究现状 |
| 1.3.2 研究评述 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 创新和不足 |
| 第二章 理论介绍 |
| 2.1 有效市场理论 |
| 2.2 杠杆效应 |
| 第三章 实证分析 |
| 3.1 数据处理 |
| 3.1.1 数据的分段 |
| 3.1.2 实证变量解释 |
| 3.2 模型介绍 |
| 3.2.1 ARMA-EGRACH模型 |
| 3.3 实证研究 |
| 3.3.1 描述性统计比较分析 |
| 3.3.2 实证分析 |
| 3.4 对比分析 |
| 3.4.1 杠杆效应特征分析 |
| 3.4.2 波动性分析 |
| 3.5 小结 |
| 第四章 研究结论与政策建议 |
| 4.1 研究结论 |
| 4.2 政策建议 |
| 4.2.1 市场监管者角度 |
| 4.2.2 投资者角度 |
| 4.3 展望 |
| 参考文献 |
| 致谢 |
（3）基于改进小波领袖法的股票市场重大风险识别 ——以上证指数为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究基础与意义 |
| 1.2 研究思路 |
| 1.3 创新之处 |
| 2 研究综述 |
| 2.1 有效市场假说及其局限性 |
| 2.2 分形市场假说及其实证研究 |
| 3 不同分形时间序列模型的求解方法 |
| 3.1 单分形时间序列模型的求解方法 |
| 3.2 多重分形时间序列模型的求解方法 |
| 4 小波领袖法的改进 |
| 4.1 传统小波领袖法的缺陷 |
| 4.2 R/S分析与传统小波领袖法的比较分析 |
| 4.3 小波领袖方法的优化 |
| 5 股市收益率的反常现象 |
| 5.1 样本选取与数据描述 |
| 5.2 收益率异常特征的挖掘 |
| 5.3 本章小结 |
| 6 股票市场重大风险识别的实证研究 |
| 6.1 基于勒让德变换法的小波领袖分析 |
| 6.2 基于贝叶斯估计法的小波领袖分析 |
| 7 结论和启示 |
| 7.1 研究结论 |
| 7.2 启示与展望 |
| 参考文献 |
| 致谢 |
（4）极值理论在风险度量中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究框架与结构 |
| 1.3 本文的创新与不足之处 |
| 1.3.1 本文的创新之处 |
| 1.3.2 本文的不足之处与改进方向 |
| 2. 文献综述 |
| 2.1 风险衡量的标准——VAR和ES |
| 2.2 计算VAR的传统方法介绍 |
| 2.2.1 方差协方差方法(Variance-Covariance method) |
| 2.2.2 历史模拟法(Historical simulation method) |
| 2.2.3 蒙特卡罗模拟法(Monte Carlo simulation method) |
| 2.2.4 三种传统计算方法的评价 |
| 2.3 国外极值理论的研究成果 |
| 2.4 国内极值理论的研究成果 |
| 3. 模型设计 |
| 3.1 极值理论 |
| 3.1.1 BMM模型的理论基础 |
| 3.1.2 POT模型的理论基础 |
| 3.2 ARMA-GARCH模型 |
| 3.2.1 ARMA模型 |
| 3.2.2 GARCH模型 |
| 3.2.3 GARCH模型的拓展 |
| 3.2.4 GARCH模型的参数估计 |
| 3.3 风险测度模型精确度检验 |
| 4. 实证分析 |
| 4.1 样本数据与描述统计量 |
| 4.1.1 正态性检验 |
| 4.1.2 平稳性检验 |
| 4.1.3 波动聚集性检验 |
| 4.2 POT模型的应用 |
| 4.2.1 样本时间长度选择 |
| 4.2.2 阈值选择 |
| 4.2.3 模型的拟合优度 |
| 4.3 后验结果展示 |
| 4.4 实证小结 |
| 5. 展望与结语 |
| 5.1 极值理论研究存在的问题 |
| 5.2 结语 |
| 参考文献 |
| 致谢 |
（5）房地产股票价格走势影响因素的实证分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 问题的提出 |
| 1.2 研究目的和研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 研究方法 |
| 1.5 论文创新之处 |
| 2 房地产股票与大盘相关性研究 |
| 2.1 房地产开发指数与大盘指数走势的描述统计 |
| 2.2 上证、深证、地产各年月度峰值走势分析 |
| 2.3 上证、深证与地产指数相关性分析 |
| 3 影响地产股的潜在因素分析 |
| 3.1 方法介绍 |
| 3.2 数据的选择 |
| 3.3 实证分析 |
| 3.4 小结 |
| 4 宏观调控对房地产股指影响的多元线性回归分析 |
| 4.1 方法介绍 |
| 4.2 数据来源及变量选择 |
| 4.3 实证分析 |
| 4.3.1 异方差检验 |
| 4.3.2 序列相关检验 |
| 4.4 结果分析 |
| 5 宏观调控政策对地产指数的影响 |
| 5.1 利率政策 |
| 5.2 存款准备金率政策 |
| 5.3 公开市场业务 |
| 5.4 公积金贷款利率 |
| 5.5 差别化的房贷政策 |
| 5.6 小结 |
| 6 对未来地产指数的预测 |
| 6.1 模型及方法介绍 |
| 6.1.1 ARMA模型 |
| 6.1.2 ARIMA模型 |
| 6.1.3 白噪声序列及其性质 |
| 6.2 实证分析 |
| 6.2.1 房地产开发指数收盘价的正态性分析 |
| 6.2.2 时间序列预测分析 |
| 7 总结 |
| 8 建议 |
| 8.1 对投资者的建议 |
| 8.2 对房地产商的建议 |
| 8.3 对政府宏观调控的建议 |
| 参考文献 |
| 后记 |
| 附件 |
（6）基于GARCH族模型的我国沪深股市波动非对称性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 一、研究背景及意义 |
| 二、国内外相关研究综述 |
| (一) 国外相关研究现状 |
| (二) 国内相关研究现状 |
| 三、研究框架和思路 |
| (一) 研究框架 |
| (二) 研究思路 |
| 第二章 股市波动非对称性理论模型介绍 |
| 一、ARCH模型 |
| 二、GARCH模型 |
| 三、TARCH模型 |
| 四、EGARCH模型 |
| 第三章 沪深股市波动性的描述性测定 |
| 一、样本选取和阶段划分 |
| 二、沪深股市波动性的描述性统计比较分析 |
| (一) 两市波动性总体国际比较 |
| (二) 两市波动性分阶段纵向比较 |
| 第四章 基于GARCH族模型的沪深股市波动非对称性实证研究 |
| 一、GARCH族模型对我国股票市场的适用性检验 |
| (一) 平稳性检验 |
| (二) 自相关性检验 |
| (三) 自回归移动平均模型(AM模型)初步估计 |
| (四) ARCH效应检验 |
| 二、沪深股指总体阶段建模分析 |
| (一) 上证指数总体收益率序列GARCH族模型估计与分析 |
| (二) 深圳成指总体收益率序列GARCH族模型估计与分析 |
| (三) 沪深股指总体阶段实证结果对比分析 |
| 三、沪深股指分阶段建模分析 |
| (一) 上证指数分阶段建模分析 |
| (二) 深圳成指分阶段建模分析 |
| 第五章 结论、原因分析与政策建议 |
| 一、结论 |
| 二、原因分析 |
| 三、政策建议 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（7）我国股市信息非对称性影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 导论 |
| 1.1 选题背景及研究意义 |
| 1.2 股票市场非对称性研究综述 |
| 1.3 研究对象和文章逻辑结构 |
| 1.3.1 研究对象 |
| 1.3.2 文章的逻辑结构图 |
| 1.4 特色和创新点 |
| 第二章 股票市场非对称研究理论 |
| 2.1 国内外已有的非对称研究理论 |
| 2.1.1 波动的非对称性的界定 |
| 2.1.2 非对称性的成因 |
| 2.2 我国股市非对称性的定性分析 |
| 2.2.1 我国股市有效性分析 |
| 2.2.2 我国股市投资者特点分析 |
| 2.2.3 中国投资者非理性行为对股市的影响 |
| 2.2.4 “市况”假说对我国股市非对称性的解释 |
| 第三章 基于信息差异TGARCH模型的提出 |
| 3.1 ARCH模型族的介绍 |
| 3.1.1 ARCH模型 |
| 3.1.2 GARCH模型 |
| 3.1.3 TGARCH模型 |
| 3.2 基于信息差异的TGARCH模型 |
| 第四章 我国上证指数数据的样本统计分析 |
| 4.1 数据的构成以及时间的划分 |
| 4.2 市场回报率的基本特征分析 |
| 4.3 平稳性分析 |
| 4.3.1 序列相关性检验 |
| 4.3.2 ADF检验 |
| 4.4 ARCH效应检验 |
| 第五章 我国上证指数收益率非对称性实证分析 |
| 5.1 我国上证指数收益率整体非对称性的实证分析 |
| 5.2 我国上证指数收益率阶段性非对称性的实证分析 |
| 第六章 实证结论的金融解释与建议 |
| 6.1 实证结论的金融解释 |
| 6.2 建议 |
| 6.2.1 政策建议 |
| 6.2.2 投资者选择投资组合的建议 |
| 第七章 结论以及进一步研究建议 |
| 7.1 结论 |
| 7.2 进一步研究建议 |
| 参考文献 |
| 攻读硕士学位期间发表学术成果 |
| 致谢 |
（8）交易机制对市场质量的影响（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 交易机制对市场质量的研究综述 |
| 1.2.2 股价波动性的研究综述 |
| 1.3 研究内容与研究方法 |
| 1.4 创新点 |
| 第2章 交易机制概述及价格发现 |
| 2.1 集合竞价机制 |
| 2.1.1 集合竞价概述 |
| 2.1.2 集合竞价机制的价格发现 |
| 2.2 连续竞价机制 |
| 2.2.1 连续竞价机制概述 |
| 2.2.2 连续竞价的价格发现 |
| 2.3 做市商机制 |
| 2.3.1 做市商机制概述 |
| 2.3.2 做市商制度的价格发现 |
| 第3章 不同交易机制对市场质量的影响 |
| 3.1 集合竞价与连续竞价 |
| 3.1.1 对流动性的影响 |
| 3.1.2 对有效性的影响 |
| 3.1.3 对稳定性和透明性的影响 |
| 3.2 指令驱动机制与报价驱动机制的比较 |
| 3.2.1 对流动性的影响 |
| 3.2.2 对有效性的影响 |
| 3.2.3 市场稳定性与透明度比较 |
| 3.2.4 交易成本的比较 |
| 第4章 连续竞价集合竞价对市场波动性的实证检验 |
| 4.1 模型引入与样本选取 |
| 4.1.1 前提假设 |
| 4.1.2 Amihud和Mendelson的简单模型引入 |
| 4.1.3 样本数据选取及处理 |
| 4.2 股票收益率的波动性分析 |
| 4.3 股票收益率分布的正态性分析 |
| 4.4 市场有效性检验 |
| 4.5 小结 |
| 第5章 收盘竞价方式对市场波动性的实证研究 |
| 5.1 制度背景 |
| 5.2 研究样本与数据处理 |
| 5.3 理论模型 |
| 5.3.1 GARCH模型 |
| 5.3.2 时间序列平稳性检验 |
| 5.3.3 收盘日间收益率的自回归方程的设定 |
| 5.3.4 ARCH效应检验 |
| 5.4 实证结果 |
| 5.5 小结 |
| 第6章 结论 |
| 参考文献 |
| 后记 |
（9）基于MV-GARCH的沪深300股指期货时变套期保值研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 论文研究的主要问题 |
| 1.3 文献综述 |
| 1.3.1 国外套期保值研究 |
| 1.3.2 国内套期保值研究 |
| 1.3.3 本文的新意之处 |
| 1.4 论文框架 |
| 2 股指期货套期保值比率方法 |
| 2.1 套期保值理论 |
| 2.2 套期保值理论的演变 |
| 2.3 最优套期保值比率模型 |
| 2.3.1 基于风险最小化套期保值比率模型 |
| 2.3.2 基于效用最大化套期保值比率模型 |
| 2.3.3 常数和时变最优套期保值比率模型 |
| 2.4 最优套期保值比率估计方法 |
| 2.4.1 基于OLS套期保值比率估计方法 |
| 2.4.2 一元GARCH模型和多元GARCH模型 |
| 2.4.3 基于BEKK-GARCH模型套期保值比率估计方法 |
| 2.4.4 基于CCC-GARCH模型套期保值比率估计方法 |
| 2.4.5 基于DCC-GARCH模型套期保值比率估计方法 |
| 2.5 套期保值比率效果评估模型 |
| 2.5.1 基于风险最小化的评估模型 |
| 2.5.2 基于效用最大化的评估模型 |
| 3 股指期货的时变套期保值实证研究 |
| 3.1 数据及相关的检验 |
| 3.1.1 样本数据选取和处理 |
| 3.1.2 基本统计分析与检验 |
| 3.2 实证结果及分析 |
| 3.2.1 基于OLS方法估计结果 |
| 3.2.2 一元GARCH估计分析 |
| 3.2.3 基于BEKK-GARCH模型套期保值比率估计结果 |
| 3.2.4 基于CCC-GARCH模型套期保值比率估计结果 |
| 3.2.5 基于DCC-GARCH模型估计的时变套期保值比率估计结果 |
| 3.2.6 四个模型估计的套期保值率比较 |
| 3.2.7 套期保值效果比较 |
| 4 研究结论和有待改进之处 |
| 4.1 研究结论 |
| 4.2 研究有待改进之处 |
| 参考文献 |
| 后记 |
（10）基于已预期信息修正的中国股市波动非对称性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外有关波动非对称性文献综述 |
| 1.2.1 国外有关波动非对称性文献综述 |
| 1.2.2 国内有关波动非对称性文献综述 |
| 1.2.3 波动非对称性文献综述评述 |
| 1.3 研究内容及框架 |
| 1.3.1 研究内容 |
| 1.3.2 研究框架 |
| 1.4 本文的创新之处 |
| 第二章 股市波动非对称性理论解释及形成机制 |
| 2.1 股市波动非对称性的理论解释 |
| 2.1.1 股市波动非对称性的理论解释 |
| 2.1.2 本文基于预期信息修正的波动非对称性模型的选择 |
| 2.2 中国股市波动非对称性形成机制分析 |
| 2.2.1 股票市场有效性假说及中国股市的有效性 |
| 2.2.2 中国股票市场投资者行为分析 |
| 2.2.3 中国股票市场微观交易机制分析 |
| 第三章 基于预期信息修正的波动非对称性实证分析 |
| 3.1 我国股市样本数据的统计分析 |
| 3.1.1 样本数据的选取及时间段划分 |
| 3.1.2 我国股市收益率时间序列的分布特征 |
| 3.1.3 非正态性分析检验 |
| 3.2 基于已预期信息修正的我国股市总体波动非对称性实证分析 |
| 3.2.1 数据的平稳性分析 |
| 3.2.2 自相关性检验 |
| 3.2.3 ARCH效应检验 |
| 3.2.4 我国股市总体实证分析及结果 |
| 3.3 基于已预期信息修正我国股市阶段波动非对称性实证分析及结果 |
| 3.3.1 我国股市分阶段波动非对称性实证分析 |
| 3.3.2 我国股市分阶段波动非对称性的实证分析结果 |
| 第四章 实证结果原因分析与政策建议 |
| 4.1 实证结果原因分析 |
| 4.1.1 我国股市第一阶段实证结果原因分析 |
| 4.1.2 我国股市第二、三阶段实证结果原因分析 |
| 4.2 政策建议 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
四、我国股票指数收益的正态性分析（论文参考文献）
- [1]新兴行业股票市场波动性和联动性研究[D]. 侯柔君. 广西师范大学, 2019(08)
- [2]中国股市杠杆效应对比分析[D]. 郝苾琛. 内蒙古大学, 2019(09)
- [3]基于改进小波领袖法的股票市场重大风险识别 ——以上证指数为例[D]. 黄锦东. 暨南大学, 2016(02)
- [4]极值理论在风险度量中的应用[D]. 李月琳. 西南财经大学, 2016(04)
- [5]房地产股票价格走势影响因素的实证分析[D]. 刘雪媚. 首都经济贸易大学, 2015(02)
- [6]基于GARCH族模型的我国沪深股市波动非对称性研究[D]. 梁恒. 安徽大学, 2014(09)
- [7]我国股市信息非对称性影响研究[D]. 同晓琳. 西北大学, 2012(01)
- [8]交易机制对市场质量的影响[D]. 方圆. 天津财经大学, 2012(07)
- [9]基于MV-GARCH的沪深300股指期货时变套期保值研究[D]. 龚欢. 东北财经大学, 2011(07)
- [10]基于已预期信息修正的中国股市波动非对称性研究[D]. 冯伟佳. 西北大学, 2011(08)