[1] Jae-Won Jung, Kyungsik Kim. Return Volatilities of the Korea Treasury Bond in Financial Markets[J] Journal of the Korean Physical Society, Vol. 60, No. 4, February 2012, pp. 637#8764;640

[2] James J. Angel #8226; Douglas McCabe. Fairness in Financial Markets: The Case of High Frequency Trading[J] J Bus Ethics (2013) 112:585#8211;595

[3] 王天一,黄卓. 高频数据波动率建模#8212;#8212;#8212;基于厚尾分布的Realized　GARCH模型[J] 数量经济技术经济研究 2015(05):149-161

[4] 苗晓宇. 不同频率数据在金融市场 Var测度中的对比研究#8212;#8212;基于低频、高频与超高频数据模型[J].山西财经大学学报 2011(2): 30-37

[5] 李平, 高洁, 廖静池. 存款准备金率调整对股票市场的影响#8212;#8212;基于中国股市高频数据的实证研究[J] 证券市场导报 2014(10): 24-33

[6] 王良, 贾宇洁, 刘潇. 高频数据条件下基于交易成本考虑的中国ETF基金跨市套利研究[J]. 经济与金融管理 2016(11):56-65

[7] 瞿慧, 刘烨. 沪深300指数收益率及已实现波动联合建模研究 [J].管理科学 2012(12):101-110

[8] 董然,郑慧, 卢志伟. 基于GARCH族模型的国债市场收益特征识别及风险测度[J]. 金融理论与实践 2016(01):42-46

[9] 杨广, 李国栋,蒋建. 基于分位数回归技术的创业板IPO量价关系研究[J].财会月刊 2011(24):88-89

[10] 朱世武, 刘淳. 基于高频数据的股票收益率和持续期的联合模型[J]. 中国软科学 2010(S1):366-372

[11] 刘洪,王江涛. 基于高频数据的时间序列长记忆系数比较研究[J]. 数理统计与管理 2010(7):628-633

[12] 唐勇, 张伯新. 基于高频数据的中国股市跳跃特征实证分析[J]. 中国管理科学 2013(10):29-39

[13] 王鹏, 杨兴林. 基于时变波动率与混合对数正态分布的50ETF期权定价[J]. 管理科学 2016(7):149-160

[14] 刘广应, 吴海月. 金融高频数据波动率度量比较#8212;#8212;基于ARFIMA模型的VaR视角[J]. 上海金融2014(10): 84-88.

[15] 胡志军, 谭中. 跳跃行为、杠杆效应及长期记忆下的VaR预测[J]. 金融理论与实践 2016(3):19-26

第1-2周

阅读文献，明确问题，开题报告

此处周的计数以最后一学期的教学日历为准

第3-5周

收集整理数据，时间序列模型的学习及相关统计软件学习

第6-11周

建立模型，问题分析，论文初稿撰写

第12-14周

毕业论文修改整理

第15周

定稿打印，答辩准备

第16周

论文答辩