《金融时间序列的长记忆特性及预测研究》同时运用R/S（重标极差）法、修正R/S法和V/S（重标方差）法对金融时间序列进行长记忆性分析。从时间和事件的角度对金融时间序列的长记忆性的影响进行了实证研究，结果表明，不同的时间段和时间的选取会得到不同的检验结果。并对V/S分析法的短期敏感度进行了实证分析。

第一章 绪论 1.1 研究背景 1.1.1 对传统金融理论基石的质疑 1.1.2 分形与分形市场假说的建立 1.2 研究意义 1.3 国内外相关领域的研究现状及存在问题 1.3.1 国内外相关领域的研究现状 1.3.2 存在问题 1.4 本书的主要内容和创新点 第二章 金融时间序列的长记忆性及其相关理论 2.1 金融时间序列长记忆性及其相关模型 2.1.1 金融时间序列长记忆性的检验方法 2.1.2 金融时间序列的均值和波动率模型 2.2 灰色预测理论 2.2.1 灰色系统理论的提出与发展 2.2.2 灰色系统的原理 2.2.3 灰色预测模型 2.2.4 灰色组合预测模型 2.3 人工神经网络理论基础 2.3.1 神经网络的概念 2.3.2 几种常用的神经网络 2.4 时间序列的混沌分析法 2.4.1 时间序列的混沌检验方法 2.4.2 时间序列的混沌预测方法 2.5 本章小结 第三章 金融时间序列的长记忆性检验 3.1 世界主要股票指数及汇率的长记忆性检验 3.1.1 数据的预处理及正态性检验 3.1.2 长记忆性的检验比较 3.2 时间和事件对长记忆检验结果的影响 3.2.1 时间对检验结果的影响 3.2.2 事件对检验结果的影响 3.3 V/S分析法的短期敏感度分析 3.4 本章小结 第四章 灰色长记忆模型及其实证研究 4.1 灰色预测模型的建立 4.1.1 基本灰色预测模型GM（1，1） 4.1.2 改进的灰色预测模型IGM（1，1）的建立 4.2 基于IGM（1，1）的长记忆金融时序建模及实证研究 4.2.1 IGM-ARFIMA模型的建立 4.2.2 IGM-ARFIMA模型的实证研究 4.3 基于IGM（1，1）的长记忆金融时序波动率建模及 实证研究 4.3.1 IGM-FIGARCH模型的建立 4.3.2 IGM-FIGARCH模型的实证研究 4.4 本章小结 第五章 基于神经网络和相空间重构的长记忆金融时序预测研究 5.1 Elman神经网络的基本原理 …… 第六章 总结与展望 参考文献 后记

王文静，女，生于1980年11月，天津人。2009年6月获天津大学管理学博士学位。2006年至今在天津商业大学经济学院任教。主要从事金融市场复杂性及区域金融的研究。作为负责人，主持天津市哲学社科规划项目一项（项目名称：天津金融服务业集聚研究）、天津商业大学青年科研培育基金项目一项（项目名称：中国股票市场的长记忆性研究）。参与完成教育部人文社会科学研究项目一项（项目名称：中低技术产业技术创新与我国传统工业振兴研究）、教育部人文社会科学青年基金项目一项（项目名称：金融服务业空间集聚的知识溢出效应研究）、天津商业大学青年科研培育基金项目一项（项目名称：流动性过剩与股票市场繁荣）。在国内外学术刊物和会议论文集上发表论文近20篇，其中在核心期刊发表论文近10篇。主要代表作有《基于分形理论的我国商业银行管理策略研究》、《基于R/S分析和v/s分析的香港股市长记忆性比较研究》、《经济物理与金融市场复杂性研究》、《基于灰色经济计量模型的我国股市波动率实证研究》、《天津金融服务业集聚测度与评价》等。