| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·本文研究背景和意义 | 第11-12页 |
| ·本文研究的主要内容及写作思路 | 第12-14页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·本文写作思路 | 第13-14页 |
| ·本文用到的研究方法及实现工具 | 第14-15页 |
| 第2章 金融资产风险测度相关理论 | 第15-35页 |
| ·VaR及ES相关知识 | 第15-18页 |
| ·单一资产情况下的VaR及ES | 第15-17页 |
| ·资产组合情况下VaR、ES的求解 | 第17-18页 |
| ·单一资产损益序列均值、方差的测量 | 第18-23页 |
| ·金融时间序列分析的演化 | 第18-20页 |
| ·新息序列的获取 | 第20-23页 |
| ·极值理论的简要介绍 | 第23-27页 |
| ·分块样本极大值模型BMM | 第23-25页 |
| ·超阈值分布模型POT | 第25-27页 |
| ·资产组合联合分布函数的构建 | 第27-32页 |
| ·Copula函数的定义和性质 | 第28-29页 |
| ·Copula函数的简单分类 | 第29-30页 |
| ·Copula函数构建资产组合间的相关关系 | 第30-32页 |
| ·关于测度模型有效性的检验 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 单资产VaR、ES实证模型的建立 | 第35-40页 |
| ·运用ARMA—GJR模型对u_(t+1)和δ_(t+1)进行估计 | 第35-36页 |
| ·EVT理论对新息序列尾部建模 | 第36-38页 |
| ·u的选取 | 第37页 |
| ·GPD参数ε、β估计及VaR的求取 | 第37-38页 |
| ·模型测度有效性检验 | 第38-40页 |
| 第4章 实证结果及分析 | 第40-50页 |
| ·金融时间序列选取及其损益特征分析 | 第40-42页 |
| ·样本的选取 | 第40页 |
| ·金融时间损益序列特征描述 | 第40-42页 |
| ·ARMA-GJR模型参数估计 | 第42-43页 |
| ·新息序列特征描述及基于EVT的尾部拟合 | 第43-47页 |
| ·新息序列特征描述 | 第43-45页 |
| ·尾部阈值的求取 | 第45-46页 |
| ·确定阈值基础上GPD参数估计及拟合 | 第46-47页 |
| ·金融损益序列动态VaR及ES测度 | 第47-48页 |
| ·动态风险测度有效性分析 | 第48-50页 |
| 结论与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录:部分R程序代码及结果 | 第57-59页 |