本研究围绕金融市场多波动状态建模，包括多波动状态的测度与预测，以及对其在金融风险管理中的应用展开探索。具体如下：在金融市场多波动状态测度上，创建了多分形波动状态测度方法。在金融市场多波动状态预测上，创建了KFCM-KSMOTE-TWSVM预测模型。在基于多波动状态预测的金融风险管理应用上，主要对基于多波动状态的金融市场风险VaR预测与投资组合优化进行研究。

黄迅，男，1989年12月出生，中共党员，成都大学商学院讲师，成渝地区双城经济圈与成都都市圈建设研究中心研究员，博士，研究方向为资本市场与金融风险管理。在《Journal of Forecasting》《International Journal of Finance&Economics》《Computational Economics》《中国管理科学》等SSCI、SCI、CSSCI来源期刊发表多篇论文，主持国家自然科学基金青年项目、四川省自然科学基金青年项目等国家级、省级多项科研项目。

第1章 绪论
1.1 研究背景与意义
1.2 国内外文献综述
1.2.1 关于金融市场多波动状态测度的文献回顾
1.2.2 关于金融市场多波动状态预测的文献回顾
1.2.3 关于金融市场多波动状态在风险管理应用中的文献回顾
1.3 研究目标
1.4 研究内容
1.4.1 基于多分形方法的金融市场多波动状态测度研究
1.4.2 基于抽样方法的金融市场多波动状态数据均衡研究
1.4.3 基于TWSVM模型的金融市场多波动状态预测研究
1.4.4 基于多波动状态预测的风险VaR预测与投资组合优化应用研究
1.5 研究方法
1.6 研究的主要贡献
1.6.1 创新了金融市场的多波动状态测度方法
1.6.2 创新了金融市场的多波动状态数据均衡方法
1.6.3 扩展了TWSVM模型的应用范围
1.6.4 拓展了多波动状态预测研究的应用范围
第2章 金融市场多波动状态测度研究
2.1 金融市场多波动状态测度的意义
2.2 多波动状态测度的多分形方法构建
2.2.1 分形理论简介
2.2.2 多分形方法在多波动状态测度中的适用性
2.2.3 多波动状态测度的多分形方法构建
2.3 基于波动率测度的性能评估
2.4 实证研究
2.4.1 样本选择
2.4.2 多分形特征验证
2.4.3 多波动状态测度结果及事实验
2.4.4 波动率测度结果对比
2.4.5 稳健性检验
2.5 小节
第3章 金融市场多波动状态预测研究
3.1 金融市场多波动状态预测研究的意义
3.2 多波动状态预测模型的构建
3.2.1 SVM模型的构建
3.2.2 TWSVM模型的构建
3.2.3 预测模型的性能评估
3.3 实证研究
3.3.1 样本选择
3.3.2 特征向量选择
3.3.3 特征向量的标准化处理与筛选
3.3.4 TWSVM模型与其余模型的预测性能对比实
3.4 稳健性检验
3.4.1 基于不同样本对象的稳健性检验
3.4.2 基于不同研究区间的稳健性检验
3.5 小节
第4章 金融市场多波动状态数据均衡研究
4.1 多波动状态数据均衡研究的意义
4.2 数据均衡方法的构建
4.2.1 数据均衡方法的原理介
4.2.2 KFCM欠抽样均衡方法的构建
4.2.3 KSMOTE过抽样均衡方法的构建
4.2.4 KFCM-KSMOTE混合抽样均衡方法的构建
4.2.5 数据均衡方法的性能评估
4.3 实证研究
4.3.1 样本与特征向量选择
4.3.2 KFCM-KSMOTE-RWSVM的参数最优化讨论
4.3.3 KFCM-KSMOTE的重要性实验
4.3.4 混合抽样均衡方法的重要性实验
4.3.5 核方法的重要性实验
4.3.6 TWSVM的重要性实验
4.4 稳健性检验
4.4.1 基于不同样本对象的稳健性检验
4.4.2 基于不同研究区间的稳健性检验
4.5 小节
第5章 基于多波动状态预测的金融风险管理研究
5.1 基于多波动状态预测的风险管理研究的意义
5.2 基于多波动状态的风险VaR预测研究
5.2.1 风险VaR预测模型的构建
5.2.2 风险VaR预测模型的Backtesting检验
5.2.3 风险VaR预测的实证结果
5.2.4 风险VaR预测的稳健性检验
5.3 基于多波动状态的投资组合优化研究
5.3.1 投资组合优化模型的构建
5.3.2 投资组合优化模型的性能评估
5.3.3 投资组合优化的实证结果
5.3.4 投资组合优化的稳健性检验
5.4 小节
第6章 研究结论和展望
6.1 主要结论
6.2 研究展望
参考文献