| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 前言 | 第13-22页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 研究思路 | 第16-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 研究方法 | 第19-20页 |
| 1.6 创新点与不足之处 | 第20-22页 |
| 2 金融不稳定理论提出、发展以及文献成果综述 | 第22-38页 |
| 2.1 金融不稳定理论的文献成果综述 | 第22-28页 |
| 2.1.1 马克思关于货币金融的理论 | 第22-23页 |
| 2.1.2 明斯基关于金融不稳定的假说 | 第23-24页 |
| 2.1.3 其他金融不稳定理论的提出 | 第24-28页 |
| 2.2 金融不稳定指标体系构建的文献综述 | 第28-33页 |
| 2.2.1 美联储骆驼评级法 CAMEL 法 | 第28-29页 |
| 2.2.2 IMF 的金融不稳定指标体系 | 第29-31页 |
| 2.2.3 关于构建我国金融不稳定指标体系文献综述 | 第31-33页 |
| 2.3 关于 Copula 函数的相关文献综述 | 第33-35页 |
| 2.3.1 Copula 函数介绍 | 第33页 |
| 2.3.2 Kendall 秩相关系数 | 第33-34页 |
| 2.3.3 关于尾部相关性 | 第34页 |
| 2.3.4 Copula 函数的参数估计方法 | 第34-35页 |
| 2.4 关于极值理论文献综述 | 第35-38页 |
| 3 金融不稳定指标体系的研究 | 第38-56页 |
| 3.1 金融不稳定指标体系的构建 | 第38-40页 |
| 3.2 Copula 技术对金融不稳定指标体系的相关性研究 | 第40-46页 |
| 3.2.1 Copula 函数形式选择 | 第40-41页 |
| 3.2.2 Copula 函数参数估计 | 第41页 |
| 3.2.3 实证结果与分析 | 第41-45页 |
| 3.2.4 结论 | 第45-46页 |
| 3.3 时差序列相关法对景气指数的确定 | 第46-49页 |
| 3.3.1 时差序列相关法 | 第46-47页 |
| 3.3.2 实证结果与分析 | 第47-49页 |
| 3.3.3 结论 | 第49页 |
| 3.4 熵权法对指标权重的确定 | 第49-55页 |
| 3.4.1 熵权法 | 第49-52页 |
| 3.4.2 实证结果与分析 | 第52-55页 |
| 3.4.3 结论 | 第55页 |
| 3.5 本章小结 | 第55-56页 |
| 4 金融不稳定指标体系阈值的确定 | 第56-68页 |
| 4.1 基于传统 Hill 估计选取阈值 | 第56-58页 |
| 4.2 基于变点理论的拐点的选择 | 第58-59页 |
| 4.3 风险价值的计算与度量 | 第59-60页 |
| 4.4 实证结果与分析 | 第60-65页 |
| 4.4.1 指标与样本数据的选取 | 第60页 |
| 4.4.2 阈值确定与风险计算 | 第60-64页 |
| 4.4.3 结论 | 第64-65页 |
| 4.5 金融不稳定预警界限划分 | 第65-66页 |
| 4.6 本章小结 | 第66-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 个人简历 | 第76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |
| 攻读硕士学位期间参与的科研项目 | 第76-77页 |