1. 关于收益率的统计与分析、均值与溢出的探索。
所涉及的主要方法涵盖了时间序列分析的多个层面，如ARIMA模型、协整检验（Cointegration）、格兰杰因果关系检验（Granger）等。还有各类向量自回归（VAR）模型、向量误差修正（VECM）技术，以及脉冲响应和方差分解等手段。
2. 波动率相关研究、波动现象的溢出效应分析。
针对波动率的研究，主要运用了广义自回归条件异方差模型（GARCH族）、随机波动模型（SV）以及极端风险测度方法，如VaR、CVaR和ES等。还有动态相关系数模型（DCC-GARCH），波动溢出效应的BEKK模型，风险溢出的CoVaR和MES度量，以及系统性风险的SRISK方法等。
3. 非线探索、尾部相关及风险溢出的上下行分析。
在这一部分，我们采用了时变动态Copula模型（如DCC和Patton），以及藤Vinecopula等模型进行非线的研究。还涉及到上下行时变尾部风险溢出的CoVaR、MES和COES分析，以及系统性风险的进一步探索。
4. 寻找最优解、权衡与套保套利策略研究。
此部分主要探讨了时变相关性与风险溢出的间断点问题，运用了Z检验和贝叶斯诊断等方法。还研究了如何计算最优投资组合权重，如马科维兹有效前沿的应用。还涉及套利策略的制定以及套保绩效的评估。
5. 模拟预测与未来展望。
模拟与预测的方法多种多样，包括蒙特卡洛模拟技术、ARIMA预测、GARCH族预测等。对于条件藤Vinecopula的模拟预测也进行了深入探讨，以期为未来的市场走势提供更为准确的预测。