| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 文献综述 | 第9-12页 |
| 1.2.1 互联网金融固定收益产品风险度量相关研究动态 | 第9-11页 |
| 1.2.2 文献评述 | 第11-12页 |
| 1.3 研究思路与研究内容 | 第12-13页 |
| 1.3.1 研究思路 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.4 研究方法 | 第13-14页 |
| 1.5 技术路线 | 第14-15页 |
| 第二章 研究对象的概念、风险特征、发展现状 | 第15-24页 |
| 2.1 互联网金融固定收益产品的概念与分类 | 第15-18页 |
| 2.1.1 互联网金融的概念与分类 | 第15页 |
| 2.1.2 固定收益产品的概念与分类 | 第15-18页 |
| 2.1.3 互联网金融固定收益产品的概念与分类 | 第18页 |
| 2.2 互联网金融固定收益产品的风险特征 | 第18-21页 |
| 2.2.1 互联网金融的主要风险 | 第18-19页 |
| 2.2.2 固定收益产品的主要风险 | 第19页 |
| 2.2.3 互联网金融固定收益产品的主要风险 | 第19-21页 |
| 2.3 互联网金融固定收益产品的发展现状 | 第21-24页 |
| 2.3.1 主要产品的发展 | 第21-23页 |
| 2.3.2 互联网金融发展面临的挑战 | 第23-24页 |
| 第三章 风险度量方法与模型 | 第24-38页 |
| 3.1 几种常用的风险度量方法 | 第24-26页 |
| 3.2 在险价值计算——VaR模型 | 第26-28页 |
| 3.2.1 参数VaR | 第26页 |
| 3.2.2 历史数据模拟VaR | 第26-27页 |
| 3.2.3 蒙特卡洛模拟 | 第27-28页 |
| 3.2.4 VaR模型的缺陷 | 第28页 |
| 3.3 条件风险价值(CVaR) | 第28-32页 |
| 3.3.1 CVaR定义 | 第28-29页 |
| 3.3.2 CVaR性质 | 第29-30页 |
| 3.3.3 CVaR的计算 | 第30-32页 |
| 3.4 GARCH族动态模型 | 第32-36页 |
| 3.4.1 GARCH模型的产生 | 第32-34页 |
| 3.4.2 ARCH模型和GARCH模型的表达 | 第34页 |
| 3.4.3 EGARCH模型与TGARCH模型 | 第34-36页 |
| 3.5 GARCH模型的算法设计 | 第36-38页 |
| 3.5.1 GARCH-VaR计算 | 第36页 |
| 3.5.2 GARCH-CVaR计算 | 第36-38页 |
| 第四章 实证分析 | 第38-59页 |
| 4.1 数据采集与统计特征分析 | 第38-44页 |
| 4.1.1 数据采集和处理方法 | 第38-39页 |
| 4.1.2 统计特征分析 | 第39-44页 |
| 4.2 模型的选择与检验 | 第44-51页 |
| 4.2.1 GARCH(p,q)族模型的选择 | 第44-45页 |
| 4.2.2 GARCH(p,q)模型的估计结果与检验 | 第45-46页 |
| 4.2.3 EGARCH(p,q)模型的估计结果与检验 | 第46-48页 |
| 4.2.4 TGARCH(p,q)模型的估计结果与检验 | 第48-49页 |
| 4.2.5 不同模型间的比较分析 | 第49-51页 |
| 4.3 VaR的计算与检验 | 第51-55页 |
| 4.3.1 VaR的计算 | 第51-53页 |
| 4.3.2 VaR的检验 | 第53-55页 |
| 4.4 CVaR的计算与检验 | 第55-59页 |
| 4.4.1 CVaR的计算 | 第55-56页 |
| 4.4.2 CVaR的检验 | 第56-59页 |
| 第五章 研究的结论 | 第59-62页 |
| 5.1 研究的结论 | 第59页 |
| 5.2 相关建议 | 第59-60页 |
| 5.3 创新之处 | 第60页 |
| 5.4 研究的不足 | 第60-62页 |
| 参考文献 | 第62-64页 |
