| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究方法 | 第9页 |
| 1.3 创新点及存在的问题 | 第9-11页 |
| 第二章 相关文献研究 | 第11-17页 |
| 2.1 VaR计算方法的相关研究 | 第11-15页 |
| 2.2 隐马尔可夫模型的相关研究 | 第15-17页 |
| 第三章 基于隐马尔可夫模型的VaR度量方法 | 第17-32页 |
| 3.1 传统VaR度量方法 | 第17-19页 |
| 3.1.1 历史模拟法 | 第17-18页 |
| 3.1.2 参数估计法 | 第18页 |
| 3.1.3 非参数估计法 | 第18-19页 |
| 3.2 VaR的应用领域 | 第19-22页 |
| 3.2.1 风险调整资本收益率的衡量 | 第19-20页 |
| 3.2.2 监管资本的计量 | 第20-21页 |
| 3.2.3 投资组合管理 | 第21-22页 |
| 3.3 隐马尔可夫模型 | 第22-28页 |
| 3.4 混合正态分布 | 第28-30页 |
| 3.5 基于隐马尔可夫模型的VaR度量方法构建 | 第30-32页 |
| 第四章 模型分析 | 第32-54页 |
| 4.1 基于模拟数据的分析 | 第32-41页 |
| 4.1.1 分布函数的选择 | 第33-34页 |
| 4.1.2 准确性的度量指标 | 第34-35页 |
| 4.1.3 准确性的度量方法 | 第35页 |
| 4.1.4 VaR度量模型准确性结果 | 第35-40页 |
| 4.1.5 VaR估计的准确性总结 | 第40-41页 |
| 4.2 基于实证数据的分析 | 第41-48页 |
| 4.2.1 上证综合指数的基本统计特征 | 第41-42页 |
| 4.2.2 基于Baum-Welch算法的隐马尔可夫模型建立 | 第42-45页 |
| 4.2.3 实证数据的VaR估计方法 | 第45-46页 |
| 4.2.4 VaR估计的检验方法 | 第46页 |
| 4.2.5 三种度量方法的比较 | 第46-48页 |
| 4.3 2015 年股灾中的应用 | 第48-54页 |
| 4.3.1 股灾历史回顾 | 第48页 |
| 4.3.2 股灾与杠杆 | 第48-51页 |
| 4.3.3 三种VaR度量模型在股灾中的表现 | 第51-54页 |
| 第五章 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 在读期间发表的学术论文与研究成果 | 第60-61页 |
| 后记 | 第61-62页 |