基于Copula函数的整合风险度量研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1. 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文思路与方法、研究内容及创新点 | 第11-13页 |
| 1.3.1 论文思路与方法 | 第11-12页 |
| 1.3.2 研究内容 | 第12页 |
| 1.3.3 本文创新点 | 第12-13页 |
| 2. Copula函数理论 | 第13-19页 |
| 2.1 Copula函数的定义和Sklar定理 | 第13-14页 |
| 2.2 相关性度量指标与Copula的关系 | 第14-16页 |
| 2.2.1 Kendall秩相关系数τ | 第14-15页 |
| 2.2.2 Spearman秩相关系数p | 第15页 |
| 2.2.3 尾部相关系数 | 第15-16页 |
| 2.3 常见Copula函数的类型 | 第16-19页 |
| 3. 整合风险相关性度量 | 第19-29页 |
| 3.1 Copula函数相关性分析 | 第19-21页 |
| 3.1.1 Gumbel Copula | 第19-20页 |
| 3.1.2 Clayton Copula | 第20页 |
| 3.1.3 Frank Copula | 第20-21页 |
| 3.2 Copula函数模型的参数估计 | 第21-23页 |
| 3.2.1 精确极大似然估计 | 第21页 |
| 3.2.2 两阶段的极大似然估计 | 第21-22页 |
| 3.2.3 基于相关系数的Copula参数估计法 | 第22-23页 |
| 3.3 信用利差与市场风险相关性的实证研究 | 第23-29页 |
| 3.3.1 样本数据的选取 | 第23页 |
| 3.3.2 基本统计描述 | 第23-25页 |
| 3.3.3 相关系数估计 | 第25-26页 |
| 3.3.4 Copula函数的参数估计与选取 | 第26-29页 |
| 4. 整合风险值度量 | 第29-44页 |
| 4.1 风险度量指标 | 第29-30页 |
| 4.1.1 VaR度量指标 | 第29-30页 |
| 4.1.2 CVaR度量指标 | 第30页 |
| 4.2 风险度量方法 | 第30-33页 |
| 4.2.1 方差-协方差方法 | 第31页 |
| 4.2.2 历史模拟法 | 第31页 |
| 4.2.3 蒙特卡罗模拟法 | 第31-32页 |
| 4.2.4 重要性抽样算法 | 第32-33页 |
| 4.3 VaR与CVaR的返回检验 | 第33-34页 |
| 4.4 上市商业银行整合风险度量的实证分析 | 第34-44页 |
| 4.4.1 样本数据的选取 | 第34-35页 |
| 4.4.2 边际分布的确定 | 第35-38页 |
| 4.4.3 相依性的检验 | 第38-39页 |
| 4.4.4 Copula函数的参数估计及选取 | 第39-40页 |
| 4.4.5 整合风险的VaR及CVaR估计 | 第40-44页 |
| 5. 结论与展望 | 第44-46页 |
| 5.1 本文总结 | 第44页 |
| 5.2 研究展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-55页 |
| 致谢 | 第55-56页 |
