摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 研究背景 | 第10-11页 |
1.2 研究现状 | 第11-13页 |
1.3 研究思路与方法 | 第13-14页 |
1.4 研究内容与框架 | 第14-15页 |
1.5 创新与不足 | 第15-16页 |
2 金融系统性风险测度理论 | 第16-26页 |
2.1 金融系统性风险定义、内涵、特征 | 第16-19页 |
2.1.1 定义 | 第16-17页 |
2.1.2 内涵 | 第17页 |
2.1.3 特征 | 第17-19页 |
2.2 系统性风险测度理论 | 第19-20页 |
2.3 风险起源、冲击、传染机理及路径、溢出与扩散 | 第20-26页 |
2.3.1 风险起源 | 第20-21页 |
2.3.2 冲击、传染机理与溢出 | 第21-23页 |
2.3.3 传染路径 | 第23-24页 |
2.3.4 扩散 | 第24-26页 |
3 Copula函数的基础理论 | 第26-36页 |
3.1 Copula函数 | 第26-27页 |
3.1.1 Copula函数的定义及Sklar定理 | 第26页 |
3.1.2 Copula函数的基本性质 | 第26-27页 |
3.2 基于Copula函数的相关性测度 | 第27页 |
3.2.1 Kendall秩相关系数 | 第27页 |
3.2.2 Spearmean秩相关系数 | 第27页 |
3.3 Copula函数的分类 | 第27-33页 |
3.3.1 椭圆Copula | 第28-29页 |
3.3.2 阿基米德Copula | 第29-32页 |
3.3.3 极值Copula | 第32页 |
3.3.4 Plackett Copula | 第32-33页 |
3.3.5 分层阿基米德Copula | 第33页 |
3.4 Copula参数估计 | 第33-34页 |
3.4.1 一步极大似然估计 | 第33-34页 |
3.4.2 两步极大似然估计 | 第34页 |
3.5 Copula函数拟合优度检验 | 第34-36页 |
4 时间序列分析基础理论 | 第36-42页 |
4.1 单整 | 第36页 |
4.2 ADF检验 | 第36-37页 |
4.3 ARMA模型 | 第37页 |
4.4 GARCH模型 | 第37-38页 |
4.5 EGARCH模型 | 第38页 |
4.6 VAR模型 | 第38页 |
4.7 协整检验及其向量误差修正模型 | 第38-42页 |
4.7.1 协整概念 | 第38-39页 |
4.7.2 Johansen协整检验 | 第39-40页 |
4.7.3 向量误差修正模型 | 第40页 |
4.7.4 协整关系估计 | 第40-42页 |
5 基于分层Copula理论的股市联动性测度 | 第42-52页 |
5.1 样本选择及预处理 | 第42-43页 |
5.2 边际分布估计 | 第43-46页 |
5.2.1 ADF检验 | 第43-44页 |
5.2.2 相关性分析 | 第44-45页 |
5.2.3 波动性检验 | 第45-46页 |
5.3 FNAC参数估计及模型选择 | 第46-50页 |
5.3.1 二元相关性分析 | 第46-47页 |
5.3.2 基于ARMA-EGARCH的FNAC | 第47-50页 |
5.4 本章小结 | 第50-52页 |
6 保险系统性风险对金融稳定的影响研究 | 第52-62页 |
6.1 指标选择与预处理 | 第52-54页 |
6.1.1 指标选择 | 第52页 |
6.1.2 指标预处理 | 第52-54页 |
6.2 边际分布估计 | 第54页 |
6.3 FNAC参数估计及模型选择 | 第54-58页 |
6.3.1 二元相关性分析 | 第54-55页 |
6.3.2 FNAC参数估计及模型选择 | 第55-58页 |
6.4 基于协整检验与向量误差修正模型的实证研究 | 第58-61页 |
6.4.1 ADF检验 | 第58页 |
6.4.2 VAR模型的滞后阶数确定 | 第58-59页 |
6.4.3 长期关系:协整检验 | 第59-60页 |
6.4.4 短期关系:向量误差修正模型 | 第60-61页 |
6.5 本章小结 | 第61-62页 |
7 结论及展望 | 第62-64页 |
7.1 本文结论 | 第62-63页 |
7.2 展望 | 第63-64页 |
致谢 | 第64-66页 |
参考文献 | 第66-70页 |
附录 | 第70页 |