本书分10章，主要通过高频数据的特性及其对金融波动率的影响，阐述了基于高频数据的GARCH类模型的参数估计与假设检验的理论方法及其渐近结果，其中包括参数GARCH类模型、非参数GARCH类模型和半参数GARCH类模型。还通过收集大量的金融市场数据，将模型运用于实证分析，测试了模型在实际金融市场中的应用效果。同时结合具体的应用分析，探讨了模型在实际应用中的注意事项与改进方向。

前言
第1章 绪论
1.1 研究意义
1.2 研究问题的提出
1.3 研究现状
1.4 结构安排
第2章 GARCH模型与波动率代理模型
2.1 GARCH模型
2.2 尺度模型与波动率代理
2.3 本章小结
第3章 基于高频数据的GARCH模型拟极大似然估计
3.1 模型建立
3.2 拟极大似然估计
3.3 最优波动率代理选择
3.4 数值模拟
3.5 实证研究
3.6 本章小结
第4章 基于高频数据的GARCH模型拟极大指数似然估计
4.1 模型建立
4.2 拟极大指数似然估计
4.3 最优波动率代理选择
4.4 数值模拟
4.5 实证研究
4.6 本章小结
第5章 最优波动率代理选择的实证分析
5.1 不同估计方法的波动率代理选择方法
5.2 几种波动率代理函数
5.3 实证研究
5.4 本章小结
第6章 基于日内高频数据的非参数ARCH(1)模型的估计
6.1 模型及其估计
6.2 渐近性质
6.3 数值模拟
6.4 实证研究
6.5 定理的证明
6.6 本章小结
第7章 基于日内高频数据的半参数GARCH模型的估计
7.1 日内半参数GARCH模型
7.2 波动率函数估计
7.3 定理的证明
7.4 数值模拟
7.5 实证研究
7.6 本章小结
第8章 波动率代理模型的检验
8.1 VP-GARCH模型的检验
8.2 数值模拟
8.3 实证研究
8.4 本章小结
第9章 基于高频数据的GARCH模型检验
9.1 GARCH模型的检验
9.2 基于高频数据的GARCH模型检验
9.3 数值模拟
9.4 实证研究
9.5 本章小结
第10章 基于高频数据的ARCH类模型的混成检验
10.1 ARCH类模型
10.2 ARCH类模型混成检验研究现状
10.3 基于高频数据的ARCH模型的参数估计
10.4 传统的混成检验
10.5 利用高频数据的混成检验
10.6 定理的证明
10.7 数值模拟
10.8 实证研究
10.9 讨论与结论
10.10 本章小结
参考文献