| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-24页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.2.1 理论意义 | 第13页 |
| 1.2.2 现实意义 | 第13-14页 |
| 1.3 文献综述 | 第14-22页 |
| 1.3.1 基于高频金融数据视角下的风险价值度量研究综述 | 第15-21页 |
| 1.3.2 创业板市场风险测度研究综述 | 第21页 |
| 1.3.3 研究评述 | 第21-22页 |
| 1.4 研究思路与内容框架 | 第22-23页 |
| 1.5 研究方法 | 第23-24页 |
| 2 VaR测度相关理论 | 第24-32页 |
| 2.1 VaR的定义及计算原理 | 第24页 |
| 2.2 VaR计算模型 | 第24-32页 |
| 2.2.1 风险度量制计算VaR | 第25页 |
| 2.2.2 基于波动率方法计算VaR | 第25-29页 |
| 2.2.3 极值理论51计算VaR | 第29-32页 |
| 3 创业板市场的发展现状分析 | 第32-37页 |
| 3.1 海外创业板市场的发展基本情况介绍 | 第32-33页 |
| 3.2 我国创业板市场分析 | 第33-34页 |
| 3.3 我国创业板市场风险 | 第34-37页 |
| 4 我国创业板市场VaR测度实证分析 | 第37-61页 |
| 4.1 样本数据的选取及调整 | 第37-38页 |
| 4.2 数据序列统计特征分析 | 第38-49页 |
| 4.2.1 数据序列描述性统计分析 | 第39-40页 |
| 4.2.2 数据序列平稳性检验 | 第40-42页 |
| 4.2.3 数据序列长记忆性检验 | 第42-44页 |
| 4.2.4 数据序列正态性检验 | 第44-45页 |
| 4.2.5 数据序列ARCH效应检验 | 第45页 |
| 4.2.6 数据序列日历效应检验 | 第45-49页 |
| 4.3 数据序列波动率建模与VaR预测 | 第49-57页 |
| 4.3.1 ARFIMA模型 | 第49-50页 |
| 4.3.2 HAR模型 | 第50页 |
| 4.3.3 ARFIMAX模型 | 第50-51页 |
| 4.3.4 波动率模型估计与检验 | 第51-53页 |
| 4.3.5 波动率预测 | 第53页 |
| 4.3.6 VaR计算 | 第53-54页 |
| 4.3.7 VaR回顾测试与比较 | 第54-57页 |
| 4.4 基于极值理论的VaR计算 | 第57-61页 |
| 5 结论与展望 | 第61-64页 |
| 5.1 结论 | 第61-62页 |
| 5.2 研究创新点 | 第62页 |
| 5.3 研究不足之处 | 第62-63页 |
| 5.4 对未来的展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-79页 |
| 致谢 | 第79-80页 |