| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容及结构安排 | 第11-13页 |
| 第二章 基础理论介绍 | 第13-26页 |
| 2.1 Copula函数的定义和性质 | 第13-15页 |
| 2.1.1 Copula函数的定义 | 第13-14页 |
| 2.1.2 Copula函数的性质 | 第14-15页 |
| 2.2 Copula函数的分类 | 第15-21页 |
| 2.2.1 椭圆Copula函数和阿基米德Copula函数 | 第15-20页 |
| 2.2.2 单参数Copula函数和双参数Copula函数 | 第20-21页 |
| 2.3 混合Copula模型 | 第21页 |
| 2.4 基于Copula函数的相关性度量 | 第21-23页 |
| 2.4.1 Kendall秩相关系数t | 第21-22页 |
| 2.4.2 Spearman秩相关系数 r | 第22页 |
| 2.4.3 尾部相关系数 | 第22-23页 |
| 2.5 广义帕累托分布（GPD） | 第23-24页 |
| 2.6 厚尾分布的判断 | 第24-26页 |
| 第三章 Copula函数的参数估计和检验 | 第26-34页 |
| 3.1 Copula函数的参数估计 | 第26-30页 |
| 3.1.1 参数估计方法 | 第26-27页 |
| 3.1.2 非参数估计方法 | 第27-30页 |
| 3.2 混合Copula函数的参数估计 | 第30-32页 |
| 3.2.1 基于秩的极大似然估计 | 第30页 |
| 3.2.2 峰度法确定阈值 | 第30-31页 |
| 3.2.3 EM算法 | 第31-32页 |
| 3.3 模型的检验 | 第32-34页 |
| 第四章 实证分析 | 第34-43页 |
| 4.0 样本的选取和厚尾分布的诊断 | 第34-36页 |
| 4.1 参数估计 | 第36-41页 |
| 4.1.1 边缘分布估计 | 第36-38页 |
| 4.1.2 Copula函数的参数估计 | 第38-41页 |
| 4.2 模型的检验对比 | 第41-42页 |
| 4.3 尾部相关性分析 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |