统计学视角下的金融高频数据挖掘理论与方法研究

第一章 绪论

第一节 研究背景与意义

第二节 国内外文献综述

一 日内模式、随机交易间隔建模与市场微结构理论

二 波动率、微结构噪声与最优取样间隔

三 连续时间模型

四 国内研究现状

第三节 研究内容及创新

第二章 金融高频数据挖掘的概念与统计特征

第一节 基本分析框架

一 时间序列：理解高频数据的起点

二 序贯面板数据变换

第二节 相关概念辨析

一 高频交易数据

二 交易高频数据

第三节 典型统计特征

一 基本描述

二 经验特征

三 理论特征

第四节 本章小结

第三章 数据准备及大规模数据集的分析逻辑

第一节 数据挖掘的统计学内涵

一 参数与非参数方法

二 验证性与探索性分析

三 渐进理论与统计学习理论

四 数据规模：实录数据与系统收集数据

五 再论数据挖掘与统计学

第二节 统计分析的本质属性

第三节 样本数据的来源与结构

第四节 大规模数据集的分析逻辑

一 定义及特征

二 分析逻辑

第五节 本章小结

第四章 函数数据分析的基本逻辑及实证分析

第一节 信号与随机信号

一 信号的定义及分类

二 随机信号的定义及分类

第二节 连续信号离散化

一 数字信号处理

二 Shannon采样定理

三 采样的本质

第三节 离散数据连续化

一 函数数据、面板数据与符号数据

二 函数数据分析的要点

三 基本原理与步骤

第四节 基展开（频域分析）的逻辑

一 基展开的本质

二 何为基

三 两类重要的变换

四 基函数的比较

五 再论逼近问题

第五节 基于FDA的日内结构分析

一 序贯面板数据变换

二 情形1（N=48，T=218）

三 情形2（N=218，T=48）

第六节 本章小结

第五章 非平稳非线性序列分析的EMD方法

第一节 传统方法及其比较

第二节 HHT的基本思想

第三节 EMD分解与原序列重构

第四节 正交性检验与成分分析

一 正交性检验

二 成分数据分析

第五节 本章小结

第六章 一类模型自由的波动率估计方法

第一节 典型特征对建模的启示

第二节 历史波动率与隐含波动率

第三节 波动率的基本估计方法

一 ARCH族和SV族模型的基本逻辑（MEM模型）

二 用RV估计IV

第四节 协同波动率方法

一 协同波动率的定义

二 相关性与波动性的分解与关联

三 数值模拟：取样频率与相关性对协同波动率的影响

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）

第五节 实证分析

第六节 本章小结

第七章 对支持向量机混合核函数方法的再评估

第一节 混合核函数的基本思路

第二节 核函数在支持向量机中的作用

第三节 算法复杂度对泛化能力的影响

一 基于小样本的统计分析理念

二 影响支持向量机泛化能力的关键因素

三 模型选择的基本准则

第四节 信息重叠弱化了混合核函数的有效性

一 数据清洗

二 结果分析

第五节 本章小结

第八章 市场微观结构分析

第一节 市场微观结构理论概述

一 市场微观结构理论研究的主要内容

二 价格发现建模与市场有效性检验

第二节 日历效应的经济学解释

一 经验分析

二 博弈论视角

三 对拥挤现象的剖析

四 对相关性的剖析

第三节 微观方法论及其比较分析

一 奥地利学派与芝加哥学派

二 奥地利学派与行为经济学

三 个人与群体的行为逻辑

四 预期理论

五 市场过程

第四节 证券及证券市场的意义

第五节 本章小结

第九章 随机交易间隔分析

第一节 数据以高频记录的成本

第二节 随机交易间隔的基本特征

第三节 数据清洗中可能遇到的错误

第四节 信息与噪声在何处分界

一 概率分布与反演

二 更细致的分析

三 经济含义解读

第五节 随机交易间隔建模

第六节 本章小结

第十章 结论与展望

第一节 结论

第二节 展望

参考文献

后记·致谢

《统计学视角下的金融高频数据挖掘理论与方法研究》从统计学的视角对金融高频数据做了系统性、基础性的统计分析，研究了金融高频数据的概念、统计性质以及区别于低频数据的本质特征，探讨了处理金融高频数据的统计方法，并结合经济学和金融学知识展开分析。不仅开拓了统计分析的视野，而且为相关的实证应用研究提供参考，增进读者对金融高频数据的理解。