| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 文献综述 | 第12-16页 |
| 1.2.1 Copula 方法 | 第12-14页 |
| 1.2.2 Bayesian 计量工具 | 第14-15页 |
| 1.2.3 Copula 函数和 SV 模型 | 第15-16页 |
| 1.3 本文研究思路与方法 | 第16页 |
| 1.4 本文的创新之处 | 第16-17页 |
| 第2章 Copula 相关理论 | 第17-23页 |
| 2.1 Copula 函数的定义 | 第17页 |
| 2.2 Copula 函数的性质 | 第17-18页 |
| 2.3 相关定理 | 第18页 |
| 2.4 条件 Copula 函数 | 第18页 |
| 2.5 Copula 函数的相关性测度 | 第18-19页 |
| 2.6 Copula 函数的分类 | 第19-21页 |
| 2.6.1 多元正态 Copula 函数 | 第19-20页 |
| 2.6.2 多元 t-Copula 函数 | 第20页 |
| 2.6.3 阿基米德 Copula 函数 | 第20-21页 |
| 2.7 Copula 函数的构建方法和参数估计及检验 | 第21-23页 |
| 第3章 随机波动模型 | 第23-26页 |
| 3.1 SV 模型介绍 | 第23页 |
| 3.2 基本 SV 模型的分类 | 第23-24页 |
| 3.2.1 SV-Normal 模型 | 第23-24页 |
| 3.2.2 厚尾 SV-t 模型 | 第24页 |
| 3.3 SV 模型的参数估计 | 第24-25页 |
| 3.4 SV 模型比较 | 第25-26页 |
| 第4章 风险度量 | 第26-30页 |
| 4.1 VaR 的基本概念 | 第26-27页 |
| 4.2 一般分布下的 VaR 计算 | 第27页 |
| 4.3 正态分布下的 VaR 计算 | 第27-28页 |
| 4.4 历史模拟法（简单模拟法） | 第28页 |
| 4.5 Monte Carlo 方法 | 第28-30页 |
| 第5章 实证分析 | 第30-42页 |
| 5.1 数据的选取 | 第30页 |
| 5.2 基本统计特征 | 第30-32页 |
| 5.3 对股票收益率序列用 SV 类模型进行拟合，确定边缘分布 | 第32-36页 |
| 5.4 Copula 函数的选择 | 第36-37页 |
| 5.5 Copula 函数的参数估计 | 第37-40页 |
| 5.6 模型的评价 | 第40-41页 |
| 5.7 基于 t-Copula-SV-t 模型的资产组合风险度量 | 第41-42页 |
| 结论及政策建议 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-50页 |
| 附录 A 攻读学位期间发表的学术论文目录 | 第50页 |
