| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 引言 | 第9-15页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 我国证券市场的发展现状 | 第9-10页 |
| 1.3 现代相关风险理论研究现状 | 第10-13页 |
| 1.3.1 相关风险理论在国外发展情况 | 第10-11页 |
| 1.3.2 相关风险理论在国内发展情况 | 第11-12页 |
| 1.3.3 模型中参数的计算方法 | 第12页 |
| 1.3.4 证券市场基本统计量 | 第12-13页 |
| 1.4 主要研究内容及创新之处 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13页 |
| 1.4.2 创新 | 第13-15页 |
| 2 理论准备 | 第15-22页 |
| 2.1 单一金融资产拟合模型 | 第15-17页 |
| 2.1.1 EGARCH-M 模型 | 第15-16页 |
| 2.1.2 GJRSK-M 模型 | 第16-17页 |
| 2.2 Copula 函数 | 第17-18页 |
| 2.3 遗传算法、VaR 及 CVaR | 第18-20页 |
| 2.3.1 遗传算法原理 | 第18-19页 |
| 2.3.2 VaR 的相关理论 | 第19页 |
| 2.3.3 CVaR 的相关理论 | 第19-20页 |
| 2.4 最优化理论 | 第20-21页 |
| 2.5 Monte Carlo 模拟法 | 第21-22页 |
| 2.5.1 Monte Carlo 模拟法计算 VaR 或 CVaR 的步骤 | 第21页 |
| 2.5.2 Monte Carlo 模拟法的优缺点 | 第21-22页 |
| 3 基于 M-Copula-EGARCH-M-GED 模型的相关风险度量及投资组合优化 | 第22-26页 |
| 3.1 单样本模型选择 | 第22-23页 |
| 3.2 模型的参数估计及检验 | 第23-24页 |
| 3.2.1 模型的参数估计 | 第23-24页 |
| 3.2.2 模型的检验 | 第24页 |
| 3.3 算法步骤 | 第24-26页 |
| 4 建立 M-Copula-GJRSK-M 模型分析沪深两市的相依性 | 第26-29页 |
| 4.1 GJRSK-M 模型 | 第26页 |
| 4.2 M-Copula-GJRSK-M 模型 | 第26-27页 |
| 4.3 模型的参数估计及检验 | 第27-28页 |
| 4.3.1 模型的参数估计 | 第27-28页 |
| 4.3.2 模型的检验 | 第28页 |
| 4.4 本章小结 | 第28-29页 |
| 5 实证分析 | 第29-39页 |
| 5.1 基于 M-Copula-EGARCH-M-GED 模型的投资组合和相关风险度量的实证研究 | 第29-37页 |
| 5.1.1 数据的选取及其基本分析 | 第29-30页 |
| 5.1.2 单样本模型 | 第30-31页 |
| 5.1.3 M-Copula 参数估计 | 第31-33页 |
| 5.1.4 最优投资组合权重的选择 | 第33-36页 |
| 5.1.5 实证结果分析 | 第36-37页 |
| 5.2 建立 M-Copula-GJRSK-M 模型分析沪深两市的相依性的实证研究 | 第37-38页 |
| 5.2.1 数据选取及基本分析 | 第37页 |
| 5.2.2 对模型的估计及检验 | 第37-38页 |
| 5.2.3 实证结果分析 | 第38页 |
| 5.3 本章小结 | 第38-39页 |
| 6 总结与展望 | 第39-40页 |
| 6.1 本文总结 | 第39页 |
| 6.2 本文展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录 | 第44页 |
| A. 在攻读学位期间的论文目录 | 第44页 |
