| 摘要 | 第4-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第18-35页 |
| 1.1 选题背景和意义 | 第18-22页 |
| 1.1.1 选题背景 | 第18-21页 |
| 1.1.2 研究意义 | 第21-22页 |
| 1.2 国内外文献综述 | 第22-31页 |
| 1.2.1 极端金融风险测度方法的相关研究 | 第22-27页 |
| 1.2.2 收益厚尾分布的研究 | 第27-30页 |
| 1.2.3 随机波动模型的研究 | 第30-31页 |
| 1.3 本文的主要工作 | 第31-35页 |
| 1.3.1 研究目的 | 第31-33页 |
| 1.3.2 研究内容及其之间的逻辑关系 | 第33-35页 |
| 2 理论基础 | 第35-50页 |
| 2.1 扭曲风险测度理论 | 第35-42页 |
| 2.1.1 扭曲风险测度的定义与性质 | 第35-38页 |
| 2.1.2 四种扭曲风险测度 | 第38-41页 |
| 2.1.3 四种扭曲函数之间的比较 | 第41-42页 |
| 2.2 极值理论 | 第42-50页 |
| 2.2.1 极值类型定理 | 第42-44页 |
| 2.2.2 最大值稳定原理 | 第44-45页 |
| 2.2.3 广义极值分布与区间极大值模型 | 第45-46页 |
| 2.2.4 广义帕累托分布与超阈值模型 | 第46-50页 |
| 3 基于SV-POT-TDRM的极端金融风险测度模型构建 | 第50-67页 |
| 3.1 问题的提出 | 第50页 |
| 3.2 SV-POT-TDRM风险测度模型的理论构建 | 第50-56页 |
| 3.2.1 尾部扭曲风险测度TDRM | 第50-52页 |
| 3.2.2 随机波动率SV模型的构建 | 第52-53页 |
| 3.2.3 极值模型拟合残差尾部分布及检验 | 第53-54页 |
| 3.2.4 计算尾部风险测度值 | 第54-55页 |
| 3.2.5 模型检验 | 第55-56页 |
| 3.3 实证研究 | 第56-65页 |
| 3.3.1 样本数据选取与基本统计特征描述 | 第56-57页 |
| 3.3.2 SV-POT-TDRM模型的参数估计 | 第57-63页 |
| 3.3.3 回溯检验与模型比较 | 第63-65页 |
| 3.4 本章小结 | 第65-67页 |
| 4 基于MSSV-POT-TDRM的极端金融风险测度模型构建 | 第67-84页 |
| 4.1 问题的提出 | 第67-68页 |
| 4.2 MSSV-POT-TDRM风险测度模型的理论构建 | 第68-74页 |
| 4.2.1 MSSV模型的基本形式 | 第68-69页 |
| 4.2.2 MSSV模型的贝叶斯分析 | 第69-70页 |
| 4.2.3 MSSV模型参数的MCMC估计方法 | 第70-73页 |
| 4.2.4 POT模型的构建 | 第73-74页 |
| 4.2.5 TDRM模型的构建 | 第74页 |
| 4.3 实证研究 | 第74-82页 |
| 4.3.1 样本数据选取 | 第74页 |
| 4.3.2 MSSV-POT-TDRM模型的参数估计 | 第74-80页 |
| 4.3.3 回溯检验与模型比较 | 第80-82页 |
| 4.4 本章小结 | 第82-84页 |
| 5 基于极值分布形状参数对短期尾部风险的预测 | 第84-95页 |
| 5.1 问题的提出 | 第84-85页 |
| 5.2 研究设计 | 第85-87页 |
| 5.2.1 尾部参数提取模型的设定 | 第85-86页 |
| 5.2.2 尾部风险预测模型的设定 | 第86-87页 |
| 5.3 样本数据的选取与尾部形状参数的统计特征 | 第87-91页 |
| 5.3.1 样本数据的选取 | 第87-89页 |
| 5.3.2 参数序列的基本统计特征 | 第89-90页 |
| 5.3.3 事件研究 | 第90-91页 |
| 5.4 形状参数对尾部风险的预测能力 | 第91-94页 |
| 5.4.1 尾部风险的界定 | 第91页 |
| 5.4.2 形状参数对尾部风险的预测能力-单变量Logistic回归 | 第91-93页 |
| 5.4.3 多指标对尾部风险的预测能力-多变量Logistic回归 | 第93-94页 |
| 5.5 本章小结 | 第94-95页 |
| 6 基于多元条件极值模型的股指期货与现货尾部相依性研究 | 第95-114页 |
| 6.1 问题的提出 | 第95-97页 |
| 6.2 多元条件极值方法 | 第97-98页 |
| 6.3 模型构建 | 第98-101页 |
| 6.3.1 建模思路 | 第98-99页 |
| 6.3.2 建模步骤 | 第99-101页 |
| 6.4 模型参数估计与检验 | 第101-102页 |
| 6.5 实证研究 | 第102-113页 |
| 6.5.1 样本数据基本统计特征值 | 第103-104页 |
| 6.5.2 使用SV模型对波动率进行建模 | 第104-107页 |
| 6.5.3 构建一元超阈值模型估计边缘分布 | 第107-110页 |
| 6.5.4 多元条件极值模型的结果分析与模型诊断 | 第110-113页 |
| 6.6 本章小结 | 第113-114页 |
| 7 结论与展望 | 第114-118页 |
| 7.1 主要研究结论 | 第114-116页 |
| 7.2 主要创新点 | 第116页 |
| 7.3 研究展望 | 第116-118页 |
| 参考文献 | 第118-125页 |
| 附录 | 第125-134页 |
| 附录A 场外期权(OTM Options)价格的计算 | 第125-126页 |
| 附录B 无模型方法中隐含偏度与峰度的计算 | 第126-127页 |
| 附录C 文中建模所使用的R语言程序 | 第127-134页 |
| 附录C-1 波动率建模 | 第127-132页 |
| 附录C-2 极值分布建模 | 第132页 |
| 附录C-3 多元极值模型建模 | 第132-134页 |
| 攻读博士学位期间发表学术论文情况 | 第134页 |
| 攻读博士学位期间参加的科研项目 | 第134-135页 |
| 致谢 | 第135-137页 |
| 作者简介 | 第137页 |
