| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题背景 | 第8页 |
| 1.2 研究目的及意义 | 第8-10页 |
| 1.2.1 研究目的 | 第8-9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 风险价值理论国内外研究概况 | 第10-16页 |
| 1.3.1 国外学者研究进展 | 第10-12页 |
| 1.3.2 国内学者研究进展 | 第12-15页 |
| 1.3.3 国内外文献评述 | 第15-16页 |
| 1.4 课题研究内容与方法 | 第16-19页 |
| 1.4.1 研究内容 | 第16-18页 |
| 1.4.2 研究方法 | 第18页 |
| 1.4.3 研究创新点 | 第18-19页 |
| 第2章 VaR计算的基本理论 | 第19-31页 |
| 2.1 VaR基本概述 | 第19-20页 |
| 2.2 VaR的测度方法 | 第20-24页 |
| 2.2.1 参数方法 | 第20-21页 |
| 2.2.2 非参数方法 | 第21-23页 |
| 2.2.3 半参数方法 | 第23-24页 |
| 2.3 基于GARCH簇模型的VaR测度方法 | 第24-27页 |
| 2.3.1 GARCH簇模型概述 | 第24-27页 |
| 2.3.2 GARCH-VaR模型计算方法 | 第27页 |
| 2.4 VaR模型回测检验 | 第27-30页 |
| 2.4.1 回测检验基本原理 | 第27页 |
| 2.4.2 回测检验基本方法 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于GARCH簇模型的参数推断 | 第31-45页 |
| 3.1 基于经典统计方法参数推断 | 第31-33页 |
| 3.2 MCMC方法 | 第33-37页 |
| 3.2.1 Gibbs抽样 | 第34-35页 |
| 3.2.2 Metropolis-Hastings算法 | 第35-37页 |
| 3.2.3 Griddy-Gibbs抽样 | 第37页 |
| 3.3 基于贝叶斯理论的参数推断 | 第37-44页 |
| 3.3.1 贝叶斯理论 | 第37-38页 |
| 3.3.2 基于贝叶斯方法的GARCH模型算法 | 第38-41页 |
| 3.3.3 基于贝叶斯方法的GJR-GARCH模型算法 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 上证股指VaR实证分析 | 第45-70页 |
| 4.1 数据选取与处理 | 第45页 |
| 4.2 数据检验过程 | 第45-49页 |
| 4.3 基于经典统计方法的GARCH簇模型求解 | 第49-54页 |
| 4.3.1 ML-GARCH模型估计结果及检验 | 第49-51页 |
| 4.3.2 ML-GJR-GARCH模型估计结果及检验 | 第51-53页 |
| 4.3.3 GARCH模型与GJR-GARCH模型冲击效果比较 | 第53-54页 |
| 4.4 基于贝叶斯方法的GARCH簇模型求解 | 第54-63页 |
| 4.4.1 MCMC-GARCH模型参数估计及检验 | 第54-58页 |
| 4.4.2 MCMC-GJR-GARCH模型参数估计及检验 | 第58-63页 |
| 4.5 上证股指VaR的计算 | 第63-67页 |
| 4.5.1 基于历史模拟法的VaR测算及回测检验HS-VaR | 第64页 |
| 4.5.2 基于蒙特卡洛模拟法的VaR测算及回测检验 | 第64-65页 |
| 4.5.3 基于经典估计方法的GARCH簇模型VaR测算 | 第65-66页 |
| 4.5.4 基于贝叶斯估计方法的GARCH簇模型VaR测算 | 第66-67页 |
| 4.6 几种VaR计算方法效果对比 | 第67-68页 |
| 4.7 实证结果分析 | 第68-69页 |
| 4.8 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
