| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景与问题提出 | 第8页 |
| 1.2 研究目的和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-15页 |
| 1.3.1 国外研究现状 | 第9-12页 |
| 1.3.2 国内研究现状 | 第12-14页 |
| 1.3.3 国内外研究现状评述 | 第14-15页 |
| 1.4 研究内容和研究方法 | 第15-18页 |
| 1.4.1 研究内容 | 第15-17页 |
| 1.4.2 研究方法 | 第17-18页 |
| 第2章VaR估计的理论基础 | 第18-27页 |
| 2.1 Va R的基本概念 | 第18-19页 |
| 2.2 当前VaR的计算方法 | 第19-21页 |
| 2.2.1 Va R的非参数方法 | 第19-20页 |
| 2.2.2 Va R的参数方法 | 第20-21页 |
| 2.2.3 Va R的半参数方法 | 第21页 |
| 2.2.4 Va R的一般计算方法 | 第21页 |
| 2.3 基于GARCH模型的VaR估计 | 第21-25页 |
| 2.3.1 ARCH模型概述 | 第21-23页 |
| 2.3.2 GARCH模型概述 | 第23-24页 |
| 2.3.3 基于GARCH模型的VaR计算 | 第24-25页 |
| 2.4 Va R的回测检验 | 第25-26页 |
| 2.4.1 回测检验的必要性 | 第25页 |
| 2.4.2 Va R模型的失败频率检验方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于GARCH模型的参数推断 | 第27-34页 |
| 3.1 基于经典统计方法的GARCH模型推断 | 第27-28页 |
| 3.2 基于贝叶斯理论的MCMC-GARCH模型推断 | 第28-33页 |
| 3.2.1 贝叶斯法则 | 第29-30页 |
| 3.2.2 先验分布的选取 | 第30页 |
| 3.2.3 基于贝叶斯方法的GARCH模型算法 | 第30-32页 |
| 3.2.4 MCMC-GARCH模型的估计实现 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 实证分析 | 第34-49页 |
| 4.1 数据选取与处理 | 第34页 |
| 4.2 基于经典统计方法的GARCH模型求解 | 第34-39页 |
| 4.2.1 基本统计数据分析 | 第34-36页 |
| 4.2.2 序列的平稳性检验 | 第36-37页 |
| 4.2.3 序列的相关性检验 | 第37-38页 |
| 4.2.4 ARCH效应检验 | 第38页 |
| 4.2.5 基于Eviews的GARCH模型建立 | 第38-39页 |
| 4.3 基于贝叶斯方法的GARCH模型估计 | 第39-44页 |
| 4.3.1 GARCH(1,1)-N模型参数的先验设定 | 第39-40页 |
| 4.3.2 GARCH(1,1)-N模型联合后验参数的模拟 | 第40-41页 |
| 4.3.3 基于贝叶斯分析的GARCH建模 | 第41-44页 |
| 4.4 Va R的计算及两种方法下的回测检验对比 | 第44-47页 |
| 4.5 实证结果分析及现实意义 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56页 |
