摘要 | 第4-8页 |
ABSTRACT | 第8-9页 |
1. 导论 | 第12-25页 |
1.1 选题背景及意义 | 第12-16页 |
1.1.1 选题背景 | 第12-13页 |
1.1.2 选题意义 | 第13-16页 |
1.2 文献综述 | 第16-21页 |
1.2.1 国外研究现状 | 第16-19页 |
1.2.2 国内研究现状 | 第19-21页 |
1.3 研究内容和结构框架 | 第21-23页 |
1.3.1 研究内容 | 第21页 |
1.3.2 结构框架 | 第21-23页 |
1.4 研究方法和创新之处 | 第23-25页 |
1.4.1 研究方法 | 第23页 |
1.4.2 创新之处 | 第23-25页 |
2. GARCH理论 | 第25-30页 |
2.1 GARCH理论介绍 | 第25-27页 |
2.2 GARCH(1,1) | 第27-30页 |
3. COPULA理论 | 第30-36页 |
3.1 COPULA方法的介绍 | 第30-31页 |
3.2 COPULA函数的定义和相关性质 | 第31-33页 |
3.3 常用COPULA函数 | 第33-36页 |
4. 基于COPULA的多变量时间序列模型--COPULA-ARCH类模型 | 第36-59页 |
4.1 COPULA-ARCH类模型的构建 | 第36-41页 |
4.2 COPULA-ARCH类模型的估计 | 第41-45页 |
4.2.1 ARCH类模型的估计 | 第41页 |
4.2.2 Copula模型的参数估计 | 第41-45页 |
4.3 PAIR COPULA-GARCH模型 | 第45-59页 |
4.3.1 Pair Copula模型 | 第45-50页 |
4.3.2 藤结构简介 | 第50-54页 |
4.3.3 Pair Copula-GARCH模型的构建和估计 | 第54-59页 |
5. PAIR COPULA-GARCH模型在多资产组合VAR分析中的应用 | 第59-64页 |
5.1 PAIR COPULA模型下多资产组合VAR解析式的推导 | 第60-61页 |
5.2 PAIR COPULA-GARCH模型下的MONTE CARLO模拟 | 第61-64页 |
6. 实证分析 | 第64-77页 |
6.1 对数据进行描述统计及ADF平稳性检验等 | 第64-67页 |
6.1.1 各对数收益率序列进行描述统计分析 | 第64-66页 |
6.1.2 ADF平稳性检验以及ARCH效应检验 | 第66-67页 |
6.2 边际分布模型的构造及参数估计 | 第67-68页 |
6.2.1 GARCH(1,1)模型 | 第67页 |
6.2.2 GJR模型 | 第67-68页 |
6.3 引入COPULA模型 | 第68-77页 |
6.3.1 无藤结构Copula模型 | 第68-69页 |
6.3.2 具有D藤结构Copula模型 | 第69-77页 |
7. 研究结论与展望 | 第77-81页 |
7.1 研究结论 | 第77-78页 |
7.2 存在的不足 | 第78页 |
7.3 展望 | 第78-81页 |
参考文献 | 第81-85页 |
致谢 | 第85页 |