| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究的意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 国外VaR 研究 | 第14-15页 |
| 1.3.2 国内VaR 研究 | 第15-17页 |
| 1.4 本文的主要创新点和内容安排 | 第17-19页 |
| 1.4.1 本文的主要创新点 | 第17页 |
| 1.4.2 本文的内容安排 | 第17-19页 |
| 第二章 VaR 与CVaR 理论新视角及投资组合 | 第19-27页 |
| 2.1 引言 | 第19-20页 |
| 2.2 VaR 与CVaR 新视角 | 第20-24页 |
| 2.3 VaR 约束下的投资组合模型介绍 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 VaR 的计算方法及仿真 | 第27-36页 |
| 3.1 VaR 的计算方法 | 第27-31页 |
| 3.1.1 历史模拟法 | 第28-29页 |
| 3.1.2 分析方法与delta-gamma 方法 | 第29-30页 |
| 3.1.3 Monte Carlo 模拟法 | 第30-31页 |
| 3.2 实证分析 | 第31-34页 |
| 3.2.1 delta-gamma 正态模型的实证 | 第31-33页 |
| 3.2.2 Monte Carlo 模拟法的实证 | 第33-34页 |
| 3.3 总结 | 第34-36页 |
| 第四章 基于卡尔曼滤波的时变风险系数估计与仿真 | 第36-50页 |
| 4.1 引言 | 第36-37页 |
| 4.2 数学模型 | 第37-39页 |
| 4.2.1 理论市场模型 | 第37页 |
| 4.2.2 时变参数的状态空间模型（随机游走模型） | 第37-38页 |
| 4.2.3 系统方程 | 第38-39页 |
| 4.3 算法 | 第39-41页 |
| 4.3.1 模型的最大似然函数 | 第39-40页 |
| 4.3.2 卡尔曼滤波及其似然函数 | 第40-41页 |
| 4.4 仿真 | 第41-48页 |
| 4.4.1 样本数据 | 第41-42页 |
| 4.4.2 收益率的计算与初始值 | 第42页 |
| 4.4.3 预测方差 | 第42页 |
| 4.4.4 仿真结果比较与分析 | 第42-48页 |
| 4.4.5 基于风险系数β的VaR 估计 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于遗传算法的投资组合 | 第50-58页 |
| 5.1 遗传算法的基本操作 | 第50-52页 |
| 5.2 遗传算法过程 | 第52-53页 |
| 5.3 投资组合模型 | 第53页 |
| 5.4 基于VaR 约束的多目标模型 | 第53-54页 |
| 5.5 基于 mean-VaR 模型的遗传算法的具体设计 | 第54-56页 |
| 5.6 实证结果与分析 | 第56-57页 |
| 5.7 总结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者攻读硕士学位期间发表的论文 | 第66-68页 |
