摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-16页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 贝叶斯理论 | 第9-10页 |
1.1.2 VaR理论 | 第10页 |
1.2 国内外文献综述和研究现状 | 第10-13页 |
1.2.1 Bayes理论相关研究 | 第10-12页 |
1.2.2 VaR理论相关研究 | 第12-13页 |
1.3 本文的创新性成果 | 第13-14页 |
1.4 论文的主要工作 | 第14-16页 |
第2章 研究的理论依据 | 第16-25页 |
2.1 Bayes统计理论 | 第16-22页 |
2.1.1 Bayes统计模型 | 第16-18页 |
2.1.2 共轭先验分布 | 第18-19页 |
2.1.3 广义先验分布 | 第19页 |
2.1.4 Bayes估计 | 第19-20页 |
2.1.5 Bayes决策 | 第20-22页 |
2.2 VaR模型概述 | 第22-25页 |
2.2.1 VaR的定义 | 第22页 |
2.2.2 VaR的常用度量方法 | 第22-24页 |
2.2.3 VaR的应用及优缺点 | 第24-25页 |
第3章 几种分布中参数的损失函数和风险函数的Bayes推断 | 第25-39页 |
3.1 正态和对数正态分布中参数的损失和风险函数的Bayes推断 | 第25-30页 |
3.1.1 正态模型中尺度参数的Bayes估计 | 第26-27页 |
3.1.1.1 正态分布尺度参数的估计与后验分布 | 第26页 |
3.1.1.2 损失函数的Bayes估计 | 第26-27页 |
3.1.1.3 风险函数的Bayes估计 | 第27页 |
3.1.2 对数正态模型中形状参数的Bayes估计 | 第27页 |
3.1.3 γ_B(x)与φ(δ_B)为保守估计的条件 | 第27-28页 |
3.1.4 实证分析 | 第28-30页 |
3.2 Rayleigh分布中参数估计的损失函数和风险函数的Bayes推断 | 第30-35页 |
3.2.1 Bayes估计 | 第30-32页 |
3.2.1.1 Rayleigh分布参数的估计与后验分布 | 第30-31页 |
3.2.1.2 损失函数的Bayes估计 | 第31页 |
3.2.1.3 风险函数的Bayes估计 | 第31-32页 |
3.2.2 γ_B(x)与φ(δ_B)为保守估计的条件 | 第32-33页 |
3.2.3 实证分析 | 第33-35页 |
3.3 Frechet分布中参数估计的损失函数和风险函数的Bayes推断 | 第35-39页 |
3.3.1 Bayes估计 | 第35-36页 |
3.3.1.1 Frechet分布参数的估计与后验分布 | 第35-36页 |
3.3.1.2 损失函数的Bayes估计 | 第36页 |
3.3.1.3 风险函数的Bayes估计 | 第36页 |
3.3.2 γ_B(x)与φ(δ_B)为保守估计的条件 | 第36-37页 |
3.3.3 实证分析 | 第37-39页 |
第4章 Mlinex损失函数下几种分布中参数的Bayes估计 | 第39-47页 |
4.1 Mlinex损失函数下逆伽马分布尺度参数的Bayes估计 | 第39-43页 |
4.1.1 尺度参数的Bayes估计及其可容许性 | 第39-41页 |
4.1.2 形如[d_1t+d_2]~(-1)的估计量的可容许性 | 第41-42页 |
4.1.3 数值模拟 | 第42-43页 |
4.2 Mlinex损失函数下广义指数分布形状参数的Bayes估计 | 第43-47页 |
4.2.1 形状参数的Bayes估计及其容许性 | 第43-44页 |
4.2.2 形如[d_1t+d_2]~(-1)的估计量的容许性 | 第44-45页 |
4.2.3 数值模拟 | 第45-47页 |
第5章 基于极值理论的VaR计算 | 第47-55页 |
5.1 极值理论介绍 | 第47-51页 |
5.1.1 BMM模型 | 第48-49页 |
5.1.2 POT模型 | 第49-51页 |
5.2 实证分析 | 第51-54页 |
5.2.1 数据的选取及描述性分析 | 第51-52页 |
5.2.2 两类模型的应用及结果分析 | 第52-54页 |
5.3 小结 | 第54-55页 |
第6章 总结与展望 | 第55-56页 |
参考文献 | 第56-60页 |
在学期间发表的学术论文与研究成果 | 第60-61页 |
致谢 | 第61页 |