| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 近似贝叶斯及其ABC方法 | 第8页 |
| 1.1.2 VaR研究背景 | 第8-9页 |
| 1.2 文献综述 | 第9-10页 |
| 1.2.1 近似贝叶斯方法研究综述 | 第9页 |
| 1.2.2 分位数回归及VaR方法研究综述 | 第9-10页 |
| 1.3 本文创新点及研究框架 | 第10-11页 |
| 1.3.1 本文创新点 | 第10页 |
| 1.3.2 研究框架 | 第10-11页 |
| 第二章 近似贝叶斯计算 | 第11-20页 |
| 2.1 贝叶斯计算 | 第11-12页 |
| 2.2 近似贝叶斯计算 | 第12-14页 |
| 2.2.1 ABC算法 | 第12-13页 |
| 2.2.2 ABC-rejection算法 | 第13-14页 |
| 2.3 ABC MCMC算法 | 第14-15页 |
| 2.3.1 马尔科夫链蒙特卡罗(MCMC)抽样 | 第14页 |
| 2.3.2 ABC MCMC算法 | 第14-15页 |
| 2.4 粒子滤波器 | 第15-20页 |
| 2.4.1 ABC部分拒绝控制算法(ABC PRC) | 第16-17页 |
| 2.4.2 ABC群体蒙特卡罗抽样法(ABC PMC) | 第17-19页 |
| 2.4.3 ABC序列蒙特卡罗抽样(ABC SMC) | 第19-20页 |
| 第三章 分位数回归模型 | 第20-22页 |
| 3.1 分位数回归模型 | 第20页 |
| 3.2 分位数模型的参数估计 | 第20-22页 |
| 第四章 基于分位数回归的VaR模型 | 第22-26页 |
| 4.1 VaR简述 | 第22页 |
| 4.2 VaR的算法 | 第22-24页 |
| 4.2.1 参数法 | 第22-23页 |
| 4.2.2 非参数法 | 第23-24页 |
| 4.2.3 半参数法 | 第24页 |
| 4.3 VaR模型的检验 | 第24-25页 |
| 4.4 基于分位数回归的VaR模型 | 第25-26页 |
| 第五章 实证分析 | 第26-35页 |
| 5.1 数据的选取及基本分析处理 | 第26-30页 |
| 5.1.1 正态性检验 | 第27-28页 |
| 5.1.2 平稳性检验 | 第28-29页 |
| 5.1.3 异方差性检验 | 第29-30页 |
| 5.2 经典VaR参数模型 | 第30-31页 |
| 5.3 基于近似贝叶斯的分位数回归VaR模型 | 第31-35页 |
| 第六章 总结 | 第35-36页 |
| 6.1 总结 | 第35页 |
| 6.2 研究的不足 | 第35页 |
| 6.3 前景 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38-39页 |
