| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 前言 | 第7-10页 |
| 1.1 研究背景及国内外研究现状 | 第7-8页 |
| 1.2 文章结构与创新点 | 第8-10页 |
| 第二章 相关概念、模型和方法 | 第10-15页 |
| 2.1 VaR模型 | 第10页 |
| 2.2 CVaR模型 | 第10-11页 |
| 2.3 Copula函数 | 第11-12页 |
| 2.4 重要抽样方法简介 | 第12-13页 |
| 2.4.1 基本原理 | 第12-13页 |
| 2.4.2 零方差分布和最大值准则 | 第13页 |
| 2.5 Metropolis-Hastings算法 | 第13-15页 |
| 第三章 基于Gauss_Copula的信用风险组合模型及模拟方法 | 第15-22页 |
| 3.1 信用风险组合模型 | 第15页 |
| 3.2 普通的蒙特卡洛算法 | 第15-16页 |
| 3.3 两步重要抽样算法 | 第16-20页 |
| 3.3.1 债务人相互独立的情形 | 第16-18页 |
| 3.3.2 债务人不独立的情形 | 第18-20页 |
| 3.4 风险因子重要分布的均值确定方法 | 第20-22页 |
| 3.4.1 零方差重要分布函数的正态逼近 | 第20-21页 |
| 3.4.2 π(z)的均值计算 | 第21-22页 |
| 第四章 风险组合的VaR和CVaR估计 | 第22-25页 |
| 4.1 普通的蒙特卡洛方法 | 第22-23页 |
| 4.2 重要抽样方法 | 第23-25页 |
| 第五章 数值模拟 | 第25-27页 |
| 第六章 结论 | 第27-28页 |
| 参考文献 | 第28-30页 |
| 致谢 | 第30-31页 |