基于CVaR的尾部回归应用以及实证研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 时间序列的重尾现象简介 | 第10-11页 |
| 1.1.2 CVaR理论简介 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 重尾现象研究概况 | 第12-13页 |
| 1.2.2 时间序列预测概况 | 第13-16页 |
| 1.2.3 CVaR模型应用概况 | 第16-18页 |
| 1.2.4 研究现状小结 | 第18-19页 |
| 1.3 研究目的与意义 | 第19-20页 |
| 1.4 研究内容、结构与创新 | 第20-22页 |
| 2 相关理论 | 第22-30页 |
| 2.1 时间序列模型相关概念 | 第22-25页 |
| 2.1.1 平稳性 | 第22-23页 |
| 2.1.2 自协方差和自相关函数 | 第23-24页 |
| 2.1.3 偏自相关系数 | 第24页 |
| 2.1.4 白噪声过程 | 第24-25页 |
| 2.2 平稳时间序列模型 | 第25-27页 |
| 2.2.1 模型简介 | 第25-26页 |
| 2.2.2 传统模型参数估计 | 第26-27页 |
| 2.3 VaR的定义 | 第27-28页 |
| 2.4 CVaR模型 | 第28-30页 |
| 3 基于CVaR模型回归 | 第30-37页 |
| 3.1 连续型损失CVaR回归模型 | 第30-33页 |
| 3.2 离散型损失CVaR回归模型 | 第33-37页 |
| 4 实证分析 | 第37-49页 |
| 4.1 实证选题背景 | 第37-38页 |
| 4.1.1 我国对外贸易系统的复杂性 | 第37页 |
| 4.1.2 对我国对外贸易总额预测的重要性 | 第37-38页 |
| 4.2 建立线性的时间序列回归模型预测 | 第38-45页 |
| 4.2.1 数据预处理 | 第38-39页 |
| 4.2.2 模型识别 | 第39-41页 |
| 4.2.3 参数估计 | 第41-43页 |
| 4.2.4 结果分析与比较 | 第43-45页 |
| 4.3 建立非线性的时间序列回归模型预测 | 第45-48页 |
| 4.3.1 非线性自回归模型 | 第45页 |
| 4.3.2 参数估计 | 第45-46页 |
| 4.3.3 结果分析 | 第46-48页 |
| 4.4 基于线性与非线性的时间序列回归拟合对比 | 第48-49页 |
| 5 结论与展望 | 第49-51页 |
| 5.1 本文的主要结论 | 第49页 |
| 5.2 本文存在的不足与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 硕士期间参加的科研项目 | 第56页 |
