| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-6页 |
| 1. 引言 | 第6-10页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 文献综述 | 第7-9页 |
| 1.3 本文的主要工作和结论 | 第9-10页 |
| 2. 理论基础 | 第10-20页 |
| 2.1 金融产品的风险度量 | 第10-11页 |
| 2.2 三种风险度量各自的优缺点 | 第11-12页 |
| 2.3 均值和三种风险度量数据驱动的估计误差比较 | 第12-17页 |
| 2.4 方差和CVaR对应的最优化模型及其推导 | 第17-19页 |
| 2.5 均值-方差模型和均值-CVaR模型最优解的关系 | 第19-20页 |
| 3. 论文的实证研究方法和数据处理方法 | 第20-27页 |
| 3.1 采用的数据驱动的实证模型 | 第20-22页 |
| 3.2 数据获取和月回报模拟的方法 | 第22-24页 |
| 3.3 比较均值-方差模型和均值-CVaR模型的方法及步骤 | 第24-27页 |
| 4. 中国A股市场基于方差和CVaR的数据驱动的投资组合模型实证研究 | 第27-48页 |
| 4.1 实证数据 | 第27页 |
| 4.2 第一组模型：基于实证数据的均值-方差模型与基于实证数据的均值-CVaR模型 | 第27-31页 |
| 4.3 第二组模型：基于真实均值的均值-方差模型与基于真实均值的均值-CVaR模型 | 第31-34页 |
| 4.4 第三组模型：不带均值约束的最小方差模型与不带均值约束的最小CVaR模型 | 第34-38页 |
| 4.5 第四组模型：基于真实均值的均值-CVaR模型与不带均值约束的最小CVaR模型 | 第38-45页 |
| 4.6 实证结果对于以CVaR为目标函数的数据驱动模型的小结 | 第45-48页 |
| 5. 结论与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
