风险度量中的信息熵方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-13页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 传统风险度量发展历程 | 第10-11页 |
| 1.3 信息熵风险度量方法 | 第11-12页 |
| 1.4 研究内容及结构 | 第12-13页 |
| 2 经典的风险度量模型及评述 | 第13-20页 |
| 2.1 均值-方差模型 | 第13-16页 |
| 2.2 单指数模型 | 第16-17页 |
| 2.3 VAR与CVAR模型 | 第17-20页 |
| 2.3.1 VaR模型 | 第17-18页 |
| 2.3.2 CVaR模型 | 第18-20页 |
| 3 信息熵的基本理论 | 第20-28页 |
| 3.1 熵的起源与发展 | 第20-22页 |
| 3.1.1 热力学中的熵 | 第20-21页 |
| 3.1.2 信息熵 | 第21-22页 |
| 3.2 信息熵的定义与常见概率分布的熵 | 第22-24页 |
| 3.2.1 信息熵的定义与性质 | 第22-23页 |
| 3.2.2 常见概率分布的熵 | 第23-24页 |
| 3.3 条件熵与互信息熵 | 第24-26页 |
| 3.4 最大熵与最小相对熵原理 | 第26-28页 |
| 3.4.1 最大熵原理 | 第26-27页 |
| 3.4.2 最小相对熵原理 | 第27-28页 |
| 4 信息熵风险度量方法 | 第28-36页 |
| 4.1 均值-熵与均值-相对熵风险度量模型 | 第29-33页 |
| 4.1.1 均值-熵风险度量模型 | 第29-31页 |
| 4.1.2 均值-相对熵模型 | 第31-33页 |
| 4.1.3 均值-方差-熵模型 | 第33页 |
| 4.2 基于熵的单指数模型 | 第33-34页 |
| 4.3 EVAR模型 | 第34-36页 |
| 5 实证分析 | 第36-42页 |
| 5.1 准备阶段 | 第36-38页 |
| 5.2 实证阶段 | 第38-40页 |
| 5.3 实证分析 | 第40-42页 |
| 6 总结与展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 附录A MATLAB程序 | 第45-48页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第48-50页 |
| 学位论文数据集 | 第50页 |
