| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·VaR产生背景 | 第7-8页 |
| ·VaR国内外研究情况 | 第8-9页 |
| ·本文的主要内容 | 第9-10页 |
| 第二章 VaR理论体系 | 第10-19页 |
| ·风险值VaR的产生和发展 | 第10-11页 |
| ·风险管理工具的发展 | 第10页 |
| ·风险值VaR概念的产生 | 第10-11页 |
| ·风险值VaR 的定义 | 第11-12页 |
| ·风险值VaR 的计算方法 | 第12-19页 |
| ·历史模拟法 | 第13-14页 |
| ·参数法 | 第14-16页 |
| ·蒙特卡罗模拟法（Monte Carlo simulation） | 第16页 |
| ·上述方法的比较 | 第16-19页 |
| 第三章 人工神经网络 | 第19-25页 |
| ·人工神经网络简介 | 第19页 |
| ·生物神经元模型 | 第19-20页 |
| ·人工神经元 | 第20-21页 |
| ·神经元状态转移函数 | 第21-22页 |
| ·神经网络的互连模式 | 第22-23页 |
| ·神经网络的工作方式 | 第23-24页 |
| ·神经网络的具体训练(学习)算法 | 第24-25页 |
| 第四章 支持向量机 | 第25-31页 |
| ·支持向量机简介（SVM） | 第25页 |
| ·SVM基本原理 | 第25-29页 |
| ·线性可分情况 | 第26-28页 |
| ·线性不可分的情况 | 第28页 |
| ·核函数 | 第28-29页 |
| ·支持向量回归 | 第29-31页 |
| 第五章 QDMN与SVR－QD方法 | 第31-39页 |
| ·QDMN基本结构与原理 | 第31-32页 |
| ·QDMN方法的计算步骤 | 第32-34页 |
| ·QDMN计算步骤 | 第32-33页 |
| ·QDMN计算流程图 | 第33-34页 |
| ·SVR－QD基本结构与原理 | 第34-35页 |
| ·Q→R方法 | 第35-37页 |
| ·Q→R基本理论 | 第35-36页 |
| ·Q→R计算方法 | 第36-37页 |
| ·本文对两种模型的评价 | 第37-39页 |
| 第六章 模拟试验 | 第39-45页 |
| ·数据采集 | 第39-41页 |
| ·QDMN和SVR-QD对风险值进行估算 | 第41-43页 |
| ·QDMN模型模拟计算VaR | 第41-42页 |
| ·SVR-QD模型模拟计算VaR | 第42-43页 |
| ·蒙特卡罗方法计算风险值 | 第43页 |
| ·结果对比 | 第43-44页 |
| ·实验总结 | 第44-45页 |
| 第七章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 摘要 | 第48-51页 |
| Abstract | 第51-55页 |
| 致谢 | 第55-56页 |
| 导师及作者简介 | 第56页 |