摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-12页 |
·选题背景和意义 | 第10-11页 |
·本文研究的方法和步骤 | 第11-12页 |
第2章 VaR方法的介绍 | 第12-29页 |
·VaR理论基础 | 第12-16页 |
·VaR形成背景 | 第12页 |
·概念 | 第12-14页 |
·VaR的性质 | 第14-15页 |
·VaR的应用 | 第15页 |
·VaR的优缺点 | 第15-16页 |
·VaR计算的两类典型方法 | 第16-21页 |
·历史模拟法 | 第16-18页 |
·Monte Carlo模拟法 | 第18-21页 |
·基于系统风险系数β的VaR估计 | 第21-27页 |
·对角线模型简化VaR的计算 | 第24-25页 |
·运用OLS估计参数β | 第25-26页 |
·参数β的不稳定性 | 第26-27页 |
·VaR的Backtesting检验 | 第27-29页 |
第3章 基于Kalman滤波和广义Kalman滤波的VaR估计 | 第29-43页 |
·研究的现实意义及创新 | 第29-31页 |
·对VaR估计引入滤波的意义 | 第29页 |
·国内外研究现状 | 第29-30页 |
·滤波与VaR的创新结合 | 第30-31页 |
·Kalman滤波(KF) | 第31-34页 |
·经典的Kalman滤波 | 第31-32页 |
·状态空间模型 | 第32-33页 |
·Kalman滤波的算法 | 第33-34页 |
·广义Kalman滤波(GKF) | 第34-37页 |
·广义Kalman滤波的状态模型 | 第34-36页 |
·广义Kalman滤波的状态模型的数字特征 | 第36页 |
·广义Kalman滤波的测量模型及其特征 | 第36-37页 |
·基于Kalman滤波的时变系数估计 | 第37-40页 |
·基于广义Kalman滤波的时变系数估计 | 第40-41页 |
·模型的展望 | 第41-43页 |
第4章 实证分析 | 第43-50页 |
·样本的选取 | 第43-45页 |
·数据的基本统计特征及正态性 | 第43-45页 |
·VaR的估计实证结果 | 第45-48页 |
·本章小结 | 第48-50页 |
参考文献 | 第50-52页 |
攻读硕士学位期间所发表的论文 | 第52-53页 |
致谢 | 第53页 |