• مقدمه (12)
  • ضرورت تحقیق (12)
  • نوآوری‌ها و اهداف پژوهش (13)
  • چارچوب پژوهش (14)
• مرور ادبیات (15)
  • محدودیت‌های مدل‌های پارامتری برآورد تلاطم (15)
  • برآورد مستقیم چندک: گامی فراتر از مفروضات توزیعی (17)
  • شبکه‌های عصبی: استقبال از پیچیدگی ناپارامتری (17)
  • افق بعدی: شبکه‌های کولموگوروف-آرنولد (19)
• روش پژوهش (20)
  • اندازه‌گیری ریسک مالی (21)
  • تابع زیان چندکی (21)
  • داده‌ها و ساختار آزمایش (22)
  • مدل‌های پایۀ اقتصادسنجی (23)
    • مدل GARCH استاندارد (SGARCH) (24)
    • مدل GJR-GARCH (24)
    • مدل GARCH یکپارچه (IGARCH) (25)
    • مدل GARCH مؤلفه‌ای (CGARCH) (25)
  • استراتژی انتخاب مدل و پیش‌بینی GARCH (26)
    • مرحله ۱: انتخاب مشخصات بهینه از طریق اعتبارسنجی (26)
    • مرحله ۲: پیش‌بینی با پنجره غلطان GARCH (27)
  • معماری شبکه‌های عصبی (28)
    • پرسپترون چندلایه (MLP) (28)
    • حافظه کوتاه‌مدتِ طولانی (LSTM) (29)
    • شبکه‌های عصبی کولموگوروف-آرنولد (KAN) (30)
    • شبکه‌های کولموگوروف-آرنولد ضربی (MultKAN) (32)
  • چارچوب مدل ترکیبی (33)
  • پیاده‌سازی شبکه‌های عصبی (34)
    • آماده‌سازی داده‌ها، ورودی‌ها و خروجی‌ها (35)
    • معماری مدل‌ها و ابرپارامترها (35)
    • آموزش، بهینه‌سازی و پیش‌بینی تلفیقی (36)
  • ارزیابی عملکرد (38)
    • آزمون پوشش غیرشرطی (UC) کوپیک (39)
    • آزمون استقلال کریستوفرسن (40)
    • آزمون پوشش شرطی (CC) (40)
    • آزمون چندک پویا (DQ) (41)
    • آزمون دیبولد-ماریانو (DM) (41)
  • تفسیرپذیری مدل‌های شبکه عصبی با SHAP (42)
• نتایج تجربی (44)
  • کفایت آماری: عملکرد پس‌آزمایی (44)
  • دقت پیش‌بینی و رتبه‌بندی مدل‌ها (47)
  • بحث در مورد یافته‌های تجربی (49)
• تفسیرپذیری مدل‌های شبکه عصبی (51)
  • تحلیل مستقیم ورودی-خروجی: یادگیری اصول سلسله‌مراتبی بازار (51)
  • مکانیک داخلی مدل: ظهور عوامل نهفته تخصصی (53)
    • بُعد ۳: فاکتور «روند و اثر اهرمی» (55)
    • بعد ۱: عامل «تلاطم» (56)
    • پویایی کشش-و-رانش (56)
  • تفسیر مولفه KAN (57)
• نتیجه‌گیری و پژوهش‌های آتی (60)
• فهرست منابع (62)