| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 选题的目的和意义 | 第7-8页 |
| 1.2 文献综述 | 第8-11页 |
| 1.2.1 VaR国内外的研究现状 | 第8-9页 |
| 1.2.2 GARCH和极值模型的国内外研究现状 | 第9-11页 |
| 1.3 本文的研究内容和方法 | 第11-12页 |
| 1.4 本文的创新点 | 第12-13页 |
| 第2章 VaR模型 | 第13-25页 |
| 2.1 VaR定义 | 第13-14页 |
| 2.2 VaR的计算方法 | 第14-25页 |
| 2.2.1 基于Risk Metrics的混合正态模型 | 第14-15页 |
| 2.2.2 指数移动加权平均 | 第15-16页 |
| 2.2.3 ARCH类模型 | 第16-17页 |
| 2.2.4 历史模拟法(HS) | 第17页 |
| 2.2.5 蒙特卡洛模拟法(MS) | 第17-18页 |
| 2.2.6 分位数估计法 | 第18-19页 |
| 2.2.7 极值方法(EVT) | 第19-25页 |
| 第3章 GARCH模型 | 第25-30页 |
| 3.1 ARMA(m,n)模型 | 第25页 |
| 3.2 ARCH(q)模型 | 第25-26页 |
| 3.3 GARCH(p,q)模型 | 第26-27页 |
| 3.4 EGARCH(p,q)模型 | 第27页 |
| 3.5 GARCH(p,q)-M模型 | 第27-30页 |
| 第4章 基于ARMA-EGARCH-M-EVT模型的VaR研究 | 第30-46页 |
| 4.1 极值理论下模型的建立 | 第30-31页 |
| 4.2 模型的准确性检验 | 第31-32页 |
| 4.3 实证分析 | 第32-46页 |
| 4.3.1 数据的选取与基本分析 | 第32-36页 |
| 4.3.2 GARCH类模型的构建 | 第36-40页 |
| 4.3.3 EVT模型的构建 | 第40-44页 |
| 4.3.4 收益率序列VaR、CVaR值与比较分析 | 第44-46页 |
| 第5章 结论 | 第46-48页 |
| 5.1 全文总结 | 第46页 |
| 5.2 不足与展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间已发表的论文 | 第53页 |
