| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 问题的提出 | 第12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 国内外研究现状与评述 | 第13-17页 |
| 1.2.1 投资组合风险度量及优化模型相关研究 | 第13-15页 |
| 1.2.2 Copula模型相关研究 | 第15-17页 |
| 1.2.3 文献评述 | 第17页 |
| 1.3 研究内容与思路 | 第17-18页 |
| 1.4 研究方法 | 第18-19页 |
| 1.5 本文研究特色 | 第19-20页 |
| 2. Copula模型与投资组合优化方法与理论 | 第20-41页 |
| 2.1 收益率分布与波动聚集理论 | 第20-22页 |
| 2.1.1 ARCH及GARCH模型简介 | 第20-21页 |
| 2.1.2 非对称GARCH及其扩展模型 | 第21-22页 |
| 2.2 联合分布建模与Copula函数理论 | 第22-29页 |
| 2.2.1 Copula函数简介 | 第22-23页 |
| 2.2.2 基于Copula函数的相关性分析及常用二元Copula函数 | 第23-27页 |
| 2.2.3 条件Copula | 第27-28页 |
| 2.2.4 Copula模型的参数估计 | 第28-29页 |
| 2.3 高维非线性相关结构建模与Vine Copula模型 | 第29-35页 |
| 2.3.1 基于Pair Copula的多元Copula函数分解 | 第29-31页 |
| 2.3.2 Vine Copula模型的分解结构 | 第31-32页 |
| 2.3.3 Vine Copula模型的结构选择与参数估计 | 第32-35页 |
| 2.4 风险测度ES的计量与蒙特卡洛模拟 | 第35-38页 |
| 2.4.1 投资组合风险测度相关定义 | 第35-36页 |
| 2.4.2 基于蒙特卡洛模拟的VaR与ES计算 | 第36-37页 |
| 2.4.3 投资组合风险度量的返回检验 | 第37-38页 |
| 2.5 基于均值-ES的投资组合优化方法 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 3. 基于R-Vine Copula的投资组合风险度量实证研究 | 第41-56页 |
| 3.1 数据的选取与描述 | 第41-46页 |
| 3.1.1 数据的选取与处理 | 第41-42页 |
| 3.1.2 描述性统计分析 | 第42-44页 |
| 3.1.3 分布特征检验 | 第44-46页 |
| 3.2 基于TGARCH模型的收益率边际分布 | 第46-49页 |
| 3.2.1 模型设定及参数估计 | 第46-47页 |
| 3.2.2 估计结果检验 | 第47-49页 |
| 3.3 基于R-Vine Copula模型的联合分布建模 | 第49-52页 |
| 3.4 投资组合风险测度ES的度量 | 第52-55页 |
| 3.4.1 基于R-Vine Copula模型的投资组合风险度量 | 第52-54页 |
| 3.4.2 预测结果的准确性与稳健性检验 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4. 基于均值-ES算法的投资组合优化 | 第56-70页 |
| 4.1 投资组合的单期静态优化 | 第56-59页 |
| 4.2 基于均值-ES的投资组合动态优化 | 第59-63页 |
| 4.3 投资组合优化在牛、熊市不同表现比较 | 第63-69页 |
| 4.3.1 投资组合优化在牛市的表现 | 第63-67页 |
| 4.3.2 投资组合优化在熊市的表现 | 第67-69页 |
| 4.4 本章小结 | 第69-70页 |
| 5. 结论与展望 | 第70-72页 |
| 5.1 结论 | 第70-71页 |
| 5.2 局限性及展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 后记 | 第76-77页 |
| 致谢 | 第77-78页 |
| 在读期间科研成果目录 | 第78页 |
