《非平稳金融时间序列问题研究》主要内容简介：一个新范式代表一种新的思维模式，是一种从总体上看问题的新方法。在过去80年中，金融时间序列分析一直为一个平稳的范式所主宰，即很多方法的提出都有一个前提假设：时间序列满足平稳性（主要指协方差平稳），即便不是严格满足，也是在一定程度上近似满足的。而对于非平稳性问题少有论及。其一，这是一个世界性难题；其二，该问题还没有引起理论与实务界足够的重视。传统观念认为，在近似平稳框架下进行研究相对于放弃平稳性假说而言还是利大于弊的。
研究表明，非平稳特性大量存在于经济金融时间序列中，忽略非平稳特性将会影响模型的准确建立。在时间序列建模分析中相关性分析起着基础性作用，因此研究非平稳特性对相关性检验的影响显得尤为重要。《非平稳金融时间序列问题研究》首先讨论了非平稳特性对几种常用的相关性检验和长期记忆特性检验方法的影响，并对这些方法进行修正。洪和李运用更加精致的广义谱密度分析方法发现了若干金融时间序列数据都满足可预测性，但他们尝试了许多模型都没有得到比随机游动模型更好的预测效果。《非平稳金融时间序列问题研究》将运用严格的证明从非平稳的角度对这一问题进行解释，并对广义谱密度分析方法提出改进方法。《非平稳金融时间序列问题研究》还讨论了一种特殊的非平稳模型——局部平稳模型的大样本统计特性，并找到了非平稳模型对刻画金融时间序列数据的各种优势，从而根本上否定了“非平稳性是建立模型的灾难”这一论断。最后《非平稳金融时间序列问题研究》运用上述研究成果在非平稳框架下对我国股票市场进行分析，得到的结果更符合中国实际，具有较高的应用价值。
在分析过程中，《非平稳金融时间序列问题研究》主要以数理统计、统计计算、概率论、测度论、实变函数与泛函分析、计量经济学、金融市场理论、资产定价等为理论支撑，综合运用比较、归纳、演绎、试验、实证等方法，对非平稳性框架下的金融时间序列问题进行了系统阐述与实证分析，整个研究过程采用统计软件R2.9.1进行程序设计。