第一章緒論
第一節研究背景與意義
第二節國內外文獻綜述
一日內模式、隨機交易間隔建模與市場微結構理論
二波動率、微結構噪聲與最優取樣間隔
三連續時間模型
四國內研究現狀
第三節研究內容及創新
第二章金融高頻數據挖掘的概念與統計特徵
第一節基本分析框架
一時間序列：理解高頻數據的起點
二序貫麵闆數據變換
第二節相關概念辨析
一高頻交易數據
二交易高頻數據
第三節典型統計特徵
一基本描述
二經驗特徵
三理論特徵
第四節本章小結
第三章數據準備及大規模數據集的分析邏輯
第一節數據挖掘的統計學內涵
一參數與非參數方法
二驗證性與探索性分析
三漸進理論與統計學習理論
四數據規模：實錄數據與係統收集數據
五再論數據挖掘與統計學
第二節統計分析的本質屬性
第三節樣本數據的來源與結構
第四節大規模數據集的分析邏輯
一定義及特徵
二分析邏輯
第五節本章小結
第四章函數數據分析的基本邏輯及實證分析
第一節信號與隨機信號
一信號的定義及分類
二隨機信號的定義及分類
第二節連續信號離散化
一數字信號處理
二Shannon采樣定理
三采樣的本質
第三節離散數據連續化
一函數數據、麵闆數據與符號數據
二函數數據分析的要點
三基本原理與步驟
第四節基展開（頻域分析）的邏輯
一基展開的本質
二何為基
三兩類重要的變換
四基函數的比較
五再論逼近問題
第五節基於FDA的日內結構分析
一序貫麵闆數據變換
二情形1（N=48，T=218）
三情形2（N=218，T=48）
第六節本章小結
第五章非平穩非綫性序列分析的EMD方法
第一節傳統方法及其比較
第二節HHT的基本思想
第三節EMD分解與原序列重構
第四節正交性檢驗與成分分析
一正交性檢驗
二成分數據分析
第五節本章小結
第六章一類模型自由的波動率估計方法
第一節典型特徵對建模的啓示
第二節曆史波動率與隱含波動率
第三節波動率的基本估計方法
一ARCH族和SV族模型的基本邏輯（MEM模型）
二用RV估計IV
第四節協同波動率方法
一協同波動率的定義
二相關性與波動性的分解與關聯
三數值模擬：取樣頻率與相關性對協同波動率的影響
四方差一協方差隨取樣頻率增加而下降的事實（不含有微結構噪聲）
第五節實證分析
第六節本章小結
第七章對支持嚮量機混閤核函數方法的再評估
第一節混閤核函數的基本思路
第二節核函數在支持嚮量機中的作用
第三節算法復雜度對泛化能力的影響
一基於小樣本的統計分析理念
二影響支持嚮量機泛化能力的關鍵因素
三模型選擇的基本準則
第四節信息重疊弱化瞭混閤核函數的有效性
一數據清洗
二結果分析
第五節本章小結
第八章市場微觀結構分析
第一節市場微觀結構理論概述
一市場微觀結構理論研究的主要內容
二價格發現建模與市場有效性檢驗
第二節日曆效應的經濟學解釋
一經驗分析
二博弈論視角
三對擁擠現象的剖析
四對相關性的剖析
第三節微觀方法論及其比較分析
一奧地利學派與芝加哥學派
二奧地利學派與行為經濟學
三個人與群體的行為邏輯
四預期理論
五市場過程
第四節證券及證券市場的意義
第五節本章小結
第九章隨機交易間隔分析
第一節數據以高頻記錄的成本
第二節隨機交易間隔的基本特徵
第三節數據清洗中可能遇到的錯誤
第四節信息與噪聲在何處分界
一概率分布與反演
二更細緻的分析
三經濟含義解讀
第五節隨機交易間隔建模
第六節本章小結
第十章結論與展望
第一節結論
第二節展望
參考文獻
後記·緻謝
· · · · · · (收起)