| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究综述 | 第12-15页 |
| 第2章 理论基础 | 第15-27页 |
| 2.1 贝叶斯定理 | 第15-16页 |
| 2.2 基于MCMC抽样算法的贝叶斯推断流程 | 第16-23页 |
| 2.2.1 基于MCMC的先验选择 | 第16-17页 |
| 2.2.2 基于MCMC的后验抽样 | 第17-20页 |
| 2.2.3 收敛性诊断方法 | 第20-22页 |
| 2.2.4 MC误差分析 | 第22-23页 |
| 2.3 半参数模型 | 第23-25页 |
| 2.3.1 基本模型 | 第23-24页 |
| 2.3.2 半参数模型的估计方法 | 第24-25页 |
| 2.4 极值理论 | 第25-27页 |
| 第3章 半参数和参数混合模型构建 | 第27-34页 |
| 3.1 先验分布 | 第27-29页 |
| 3.1.1 广义帕累托模型中参数的先验分布 | 第28页 |
| 3.1.2 阈值以下部分参数模型中的先验分布 | 第28-29页 |
| 3.2 中心模型 | 第29-34页 |
| 3.2.1 半参数中心模型 | 第29-30页 |
| 3.2.2 参数中心模型 | 第30-32页 |
| 3.2.3 混合模型的后验分布 | 第32-34页 |
| 第4章 极端损失值的实证研究 | 第34-43页 |
| 4.1 极值理论实证结果 | 第34-37页 |
| 4.2 贝叶斯方法下参数和半参数混合模型的实证分析 | 第37-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49页 |