| 中文摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 引言 | 第13-24页 |
| 第一节 研究背景与本文的研究重点 | 第13-15页 |
| 第二节 相关问题的研究现状 | 第15-22页 |
| ·VaR 的研究现状 | 第15-18页 |
| ·CVaR 条件风险值度量理论及应用研究近况 | 第18-19页 |
| ·Copula 方法的研究现状 | 第19-21页 |
| ·关于 Copula-VaR 计算方法的研究现状 | 第21-22页 |
| 第三节 本文结构安排 | 第22-24页 |
| 第二章 基金市场风险的传统度量方法 | 第24-32页 |
| 第一节 基金市场风险度量理论的发展 | 第24-25页 |
| 第二节 名义量法与均值方差分析 | 第25-26页 |
| ·名义量法 | 第25页 |
| ·均值方差分析 | 第25-26页 |
| 第三节 灵敏度方法 | 第26-28页 |
| 第四节 波动性方法 | 第28-32页 |
| ·方差 | 第28-29页 |
| ·条件异方差 | 第29-30页 |
| ·波动率的方法评价 | 第30-32页 |
| 第三章 市场风险的现代测量方法——VaR 与 CVaR 方法 | 第32-57页 |
| 第一节 VaR 基础知识的回顾 | 第32页 |
| 第二节 VaR 风险模型 | 第32-35页 |
| 第三节 VaR 的计算方法 | 第35-39页 |
| ·方差-协方差法 | 第35-37页 |
| ·历史模拟法 | 第37-38页 |
| ·蒙特卡罗模拟法(Monte Car1o Simu1atoin) | 第38-39页 |
| 第四节 VaR 模型的准确性检验 | 第39-41页 |
| 第五节 VaR 方法的优缺点 | 第41-43页 |
| 第六节 基于 VaR 方法的证券市场组合 VaR 实证分析 | 第43-48页 |
| ·．沪深 300 指数的 VaR 分析 | 第43-45页 |
| ·．基金重仓股的 VaR 分析 | 第45-46页 |
| ·．社保重仓股 VaR 分析 | 第46-47页 |
| ·．组合 VaR 分析 | 第47-48页 |
| 第七节 CVaR 条件风险值模型 | 第48-51页 |
| ·VaR 理论与方法的缺陷 | 第48-49页 |
| ·条件风险价值—CVaR 的特点 | 第49-50页 |
| ·CVaR 的初步计算方法简介 | 第50-51页 |
| 第八节 基于 VaR 和 CVaR 风险控制下的投资组合实证研究 | 第51-57页 |
| 第四章 基金收益率波动模型 | 第57-71页 |
| 第一节 基金收益率时间序列的波动特征 | 第57-59页 |
| 第二节 收益率的波动模型——GARCH 模型族 | 第59-64页 |
| ·ARCH 模型 | 第60-61页 |
| ·GARCH 模型 | 第61-64页 |
| ·GARCH 模型建模程序 | 第64页 |
| 第三节 实证分析 | 第64-71页 |
| ·数据的选择 | 第64页 |
| ·分析过程 | 第64-70页 |
| ·结论 | 第70-71页 |
| 第五章 基于 GARCH 模型的证券投资基金 VaR 计算 | 第71-90页 |
| 第一节 基于 GARCH 模型的 VaR 方法 | 第71-72页 |
| ·ARCH(q)模型 | 第71页 |
| ·GARCH（p,q）模型 | 第71-72页 |
| 第二节 金融资产收益率常用的分布 | 第72-74页 |
| 第三节 基于 GARCH 模型的 VaR 计算 | 第74-75页 |
| ·VaR 模型检验方法 | 第74-75页 |
| ·基于 GARCH 模型的 VaR 计算步骤 | 第75页 |
| 第四节 实证分析 | 第75-80页 |
| ·基金日收益率序列的数理统计分析 | 第75-79页 |
| ·VaR 模型的返回检验结果及分析 | 第79页 |
| ·结果分析 | 第79页 |
| ·结论 | 第79-80页 |
| 第五节 多只开放式基金 GARCH- VaR 实证研究 | 第80-90页 |
| ·收益序列的统计特征 | 第80-89页 |
| ·GARCH 模型估计 | 第89-90页 |
| 第六章 基于 GARCH 模型的 CVaR 风险度量 | 第90-109页 |
| 第一节 CVaR 模型的计算方法 | 第90-91页 |
| ·线性规划的方法 | 第90页 |
| ·利用参数方法进行 CVaR 值计算 | 第90-91页 |
| 第二节 GARCH-VaR 与 GARCH-CVaR——基于 GARCH 模型的 VaR 和 CVaR计算 | 第91-92页 |
| ·基于 GARCH 模型的波动率计算 | 第91页 |
| ·基于 GARCH 模型的 CVaR 计算设计 | 第91-92页 |
| 第三节 基于 GARCH 模型的 VaR 和 CVaR 基金市场风险测量的实证分析 | 第92-109页 |
| ·基金样本数据与统计量特性 | 第92-93页 |
| ·样本基金的统计学分析 | 第93-96页 |
| ·GARCH 模型参数估计 | 第96-98页 |
| ·样本基金 VaR 值的计算和检验 | 第98-104页 |
| ·CVaR 的计算及 CVaR 的有效性分析 | 第104-108页 |
| ·结论 | 第108-109页 |
| 第七章 基于 Copula 函数的 GARCH 模型优化方法——Copula-GARCH | 第109-132页 |
| 第一节 传统 VaR 方法的缺陷 | 第109-110页 |
| ·相关系数的缺陷 | 第109页 |
| ·模型拟合偏差 | 第109-110页 |
| 第二节 Copula 函数的简介 | 第110-113页 |
| ·二元 Copula 函数 | 第110-112页 |
| ·多元 Copula 函数 | 第112-113页 |
| ·二元 Copula 的 Sklar 定理 | 第113页 |
| ·二元情形下的标准正态-Copula 函数与 t-Copula 函数 | 第113页 |
| 第三节 相关性系数 | 第113-114页 |
| ·Pearson 线性相关系数r | 第113-114页 |
| ·Spearman 秩相关系数 s | 第114页 |
| ·Kendall 秩相关系数 | 第114页 |
| ·尾部相关系数 | 第114页 |
| 第四节 Copula 函数的选择 | 第114-115页 |
| ·判断最佳 Copula 函数 | 第115页 |
| ·非参数估计 | 第115页 |
| 第五节 常见 Copula 函数及其性质 | 第115-118页 |
| ·二元正态-Copula | 第116页 |
| ·学生 t-Copula 函数 | 第116页 |
| ·正态-copula 函数与学生 t-copula 函数的差异 | 第116-118页 |
| ·Clayton 连接函数： | 第118页 |
| 第六节 基于 Copula 的沪深股市的日收益率相关性实证分析 | 第118-126页 |
| ·案例描述 | 第118-119页 |
| ·边缘分布的确定 | 第119-121页 |
| ·选取适当的 Copula 函数 | 第121-122页 |
| ·参数估计 | 第122-125页 |
| ·模型评价 | 第125-126页 |
| 第七节 关于基金投资组合风险的实证研究 | 第126-132页 |
| ·数据的描述及预处理 | 第126-127页 |
| ·Copula-GARCH 模型的估计结果及分析 | 第127-130页 |
| ·基于蒙特卡洛模拟算法的 Clayton Copula-VaR 风险值计算 | 第130-132页 |
| 第八章 结论与展望 | 第132-137页 |
| 第一节 本文总结 | 第132-135页 |
| 第二节 研究展望与下一步研究方向 | 第135-137页 |
| 参考文献 | 第137-142页 |
| 致谢 | 第142-144页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第144-145页 |
