| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-24页 |
| 1.1 选题背景和研究现状 | 第10-15页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究现状 | 第11-15页 |
| 1.2 选题意义和研究思路 | 第15-20页 |
| 1.2.1 选题意义 | 第15-17页 |
| 1.2.2 研究思路 | 第17-20页 |
| 1.3 结构安排及主要创新 | 第20-24页 |
| 1.3.1 结构安排 | 第20-21页 |
| 1.3.2 主要创新 | 第21-24页 |
| 2 金融市场风险的 VaR 和 ES 度量 | 第24-36页 |
| 2.1 研究背景 | 第24页 |
| 2.2 金融风险度量技术的演变 | 第24-27页 |
| 2.3 CARE 模型 | 第27-30页 |
| 2.3.1 基于 Expectile 模型的 VaR 估计 | 第28-29页 |
| 2.3.2 基于 Expectile 模型的 ES 估计 | 第29页 |
| 2.3.3 条件自回归 Expectile（CARE）模型 | 第29-30页 |
| 2.4 实证分析与检验 | 第30-35页 |
| 2.4.1 数据分析 | 第30-31页 |
| 2.4.2 参数估计 | 第31-32页 |
| 2.4.3 模型稳定性检验及评价 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 金融市场极端风险溢出效应研究 | 第36-50页 |
| 3.1 研究背景 | 第36-37页 |
| 3.2 模型设计 | 第37-44页 |
| 3.2.1 在险价值 VaR | 第37-38页 |
| 3.2.2 风险-Granger 因果关系 | 第38-40页 |
| 3.2.3 GARCH 模型 | 第40-42页 |
| 3.2.4 AR(m)-TGARCH 模型 | 第42-43页 |
| 3.2.5 基于 GARCH 的两市场极端风险溢出的 Granger 因果检验 | 第43-44页 |
| 3.3 实证分析 | 第44-48页 |
| 3.3.1 数据分析 | 第44-46页 |
| 3.3.2 参数估计 | 第46-47页 |
| 3.3.3 极端风险溢出效应分析 | 第47-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 金融市场风险的均值溢出与方差溢出效应研究 | 第50-66页 |
| 4.1 研究背景 | 第50-51页 |
| 4.2 研究方法 | 第51-55页 |
| 4.2.1 Copula 模型 | 第51-53页 |
| 4.2.2 SV 模型 | 第53-54页 |
| 4.2.3 二元动态 Copula-LSV-t 模型 | 第54页 |
| 4.2.4 马尔科夫链蒙特卡洛（MCMC）参数估计 | 第54-55页 |
| 4.3 实证分析 | 第55-63页 |
| 4.3.1 数据分析 | 第56-57页 |
| 4.3.2 均值溢出分析 | 第57-59页 |
| 4.3.3 波动溢出分析 | 第59-63页 |
| 4.4 本章小结 | 第63-66页 |
| 5 金融市场风险的分位数溢出效应研究 | 第66-82页 |
| 5.1 研究背景 | 第66-67页 |
| 5.2 研究设计 | 第67-74页 |
| 5.2.1 极值理论 EVT | 第67-69页 |
| 5.2.2 条件风险价值（CoVaR）模型 | 第69-70页 |
| 5.2.3 分位数回归法 | 第70-72页 |
| 5.2.4 Copula 分位数回归 | 第72-73页 |
| 5.2.5 EVT-Copula 模型的 CoVaR 分位数回归计算 | 第73-74页 |
| 5.3 实证分析 | 第74-80页 |
| 5.3.1 数据分析 | 第74-77页 |
| 5.3.2 溢出效应分析 | 第77-80页 |
| 5.4 本章小结 | 第80-82页 |
| 6 结论及展望 | 第82-90页 |
| 6.1 本文总结 | 第82-84页 |
| 6.2 未来展望 | 第84-85页 |
| 6.3 政策建议 | 第85-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-102页 |
| 附录 | 第102页 |
| A 攻读学位期间发表的论文目录 | 第102页 |
| B 攻读博士学位期间参加的部分科研项目 | 第102页 |
