| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 一元时间序列模型的研究现状 | 第9-10页 |
| 1.2.2 多元GARCH模型的研究现状 | 第10-11页 |
| 1.2.3 投资组合理论研究现状 | 第11-12页 |
| 1.3 文章结构 | 第12-14页 |
| 2 时间序列分析方法 | 第14-26页 |
| 2.1 平稳时间序列模型 | 第14-16页 |
| 2.1.1 自回归（AR）模型 | 第14-15页 |
| 2.1.2 移动平均（MA）模型 | 第15页 |
| 2.1.3 自回归移动平均（ARMA）模型 | 第15页 |
| 2.1.4 差分自回归移动平均（ARIMA）模型 | 第15-16页 |
| 2.2 模型的识别 | 第16-17页 |
| 2.2.1 自相关函数（AC） | 第16页 |
| 2.2.2 偏相关函数（PAC） | 第16-17页 |
| 2.3 波动性时间序列建模 | 第17-20页 |
| 2.3.1 自回归条件异方差ARCH过程 | 第17-18页 |
| 2.3.2 广义自回归条件异方差GARCH过程 | 第18-19页 |
| 2.3.3 ARCH均值（ARCH-M）模型 | 第19页 |
| 2.3.4 杠杆效应与非对称模型 | 第19-20页 |
| 2.4 多元GARCH模型中DCC-MVGARCH模型 | 第20-22页 |
| 2.5 数据检验与模型评价 | 第22-24页 |
| 2.5.1 数据检验方法 | 第22-23页 |
| 2.5.2 模型评价方法 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 3 股票收益率序列建模 | 第26-45页 |
| 3.1 样本数据选取说明 | 第26-28页 |
| 3.2 样本数据的基本检验 | 第28-30页 |
| 3.2.1 描述性统计与正态性检验 | 第28-29页 |
| 3.2.2 平稳性检验 | 第29页 |
| 3.2.3 ARCH效应检验 | 第29-30页 |
| 3.3 收益率模型识别 | 第30-31页 |
| 3.4 收益率GARCH模型族的实证分析 | 第31-41页 |
| 3.4.1 GARCH模型建模 | 第31-38页 |
| 3.4.2 EGARCH模型建模 | 第38-41页 |
| 3.5 短期投资收益率EGARCH模型 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 4 基于多元GAECH模型的系统性风险建模 | 第45-61页 |
| 4.1 资本资产定价模型 | 第45-46页 |
| 4.1.1 系统性风险β系数的含义 | 第45页 |
| 4.1.2 系统性风险β系数的用途及意义 | 第45-46页 |
| 4.2 系统性风险估计 | 第46-59页 |
| 4.2.1 上证50指数成分股的描述性统计分析 | 第46-50页 |
| 4.2.2 DCC-MVGARCH模型估计动态相关系数 | 第50-51页 |
| 4.2.3 单只股票系统风险系数的分析 | 第51-54页 |
| 4.2.4 成分股系统风险系数的分析 | 第54-59页 |
| 4.3 本章小结 | 第59-61页 |
| 5 结论与展望 | 第61-66页 |
| 5.1 主要结论 | 第61-64页 |
| 5.2 后续研究工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-68页 |