| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.2.1 研究思路 | 第10-11页 |
| 1.2.2 研究方法 | 第11页 |
| 1.3 主要创新之处与不足 | 第11-12页 |
| 1.4 文章结构 | 第12-13页 |
| 第2章 文献综述 | 第13-19页 |
| 2.1 互联网金融的定义 | 第13页 |
| 2.2 互联网金融的内涵 | 第13页 |
| 2.3 互联网金融的发展模式 | 第13-15页 |
| 2.4 互联网金融理论 | 第15-17页 |
| 2.4.1 金融创新理论 | 第15页 |
| 2.4.2 普惠金融理论 | 第15-16页 |
| 2.4.3 长尾理论 | 第16-17页 |
| 2.5 互联网金融风险的识别 | 第17页 |
| 2.6 互联网金融风险的评估 | 第17-18页 |
| 2.7 文献述评 | 第18-19页 |
| 第3章 互联网金融风险概述 | 第19-29页 |
| 3.1 互联网金融容易引发系统性金融风险 | 第19页 |
| 3.2 互联网金融的风险种类与表现形式 | 第19-25页 |
| 3.2.1 互联网金融的常规风险 | 第20-23页 |
| 3.2.2 互联网金融的特殊风险 | 第23-25页 |
| 3.3 互联网金融风险的特征及生成机制 | 第25-29页 |
| 3.3.1 互联网金融风险的特征 | 第25-26页 |
| 3.3.2 互联网金融风险生成机制分析 | 第26-29页 |
| 第4章 互联网金融风险度量方法 | 第29-37页 |
| 4.1 互联网金融风险度量方法概览 | 第29-30页 |
| 4.2 VaR及CVaR方法 | 第30-32页 |
| 4.2.1 VaR方法的优点 | 第31页 |
| 4.2.2 VaR方法的缺点 | 第31-32页 |
| 4.3 EGARCH方法 | 第32页 |
| 4.4 极值理论模型 | 第32-34页 |
| 4.4.1 阈值的选取方法 | 第34页 |
| 4.5 基于EGARCH-POT模型的VaR、CVaR计算 | 第34-35页 |
| 4.6 总结 | 第35-37页 |
| 第5章 EGARCH-POT模型拟合 | 第37-49页 |
| 5.1 数据说明 | 第37-38页 |
| 5.1.1 描述性统计 | 第37-38页 |
| 5.2 数据基本检验 | 第38-41页 |
| 5.2.1 平稳性检验 | 第38-39页 |
| 5.2.2 序列的自相关检验 | 第39-40页 |
| 5.2.3 ARCH效应检验 | 第40-41页 |
| 5.3 EGARCH模型拟合 | 第41-42页 |
| 5.4 对标准化残差序列拟合POT模型 | 第42-44页 |
| 5.4.1 模型阈值的选取及参数估计 | 第43页 |
| 5.4.2 POT模型拟合程度检验 | 第43-44页 |
| 5.5 基于EGARCH-POT模型的VaR、CVaR计算及检验 | 第44-47页 |
| 5.5.1 VaR和CVaR值的回测 | 第44-47页 |
| 5.6 总结 | 第47-49页 |
| 第6章 研究结论与启示 | 第49-52页 |
| 6.1 研究结论 | 第49页 |
| 6.2 启示与建议 | 第49-51页 |
| 6.3 总结 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 卷内备考表 | 第55页 |