| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源及研究的背景和意义 | 第9-12页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-12页 |
| 1.2 国内外在该方向的研究现状及评述 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状评述 | 第14-15页 |
| 1.3 本文研究主要内容 | 第15-16页 |
| 1.4 研究方法与技术路线 | 第16-17页 |
| 第2章 与金融时间序列风险相关的预备知识 | 第17-27页 |
| 2.1 一致性风险测度理论 | 第17-18页 |
| 2.1.1 一致性风险测度的定义 | 第17页 |
| 2.1.2 一致性风险测度的经济学含义 | 第17-18页 |
| 2.2 Va R模型简介 | 第18-19页 |
| 2.2.1 Va R的概念 | 第18页 |
| 2.2.2 Va R的优缺点 | 第18-19页 |
| 2.3 Cva R模型简介 | 第19-23页 |
| 2.3.1 Cva R的概念 | 第19-20页 |
| 2.3.2 Cva R的计算方法 | 第20-22页 |
| 2.3.3 CVa R估计的准确性检验 | 第22-23页 |
| 2.4 ARMA-GARCH模型 | 第23-26页 |
| 2.4.1 平稳性时间序列 | 第23页 |
| 2.4.2 ARMA模型 | 第23-24页 |
| 2.4.3 GARCH模型 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 金融时间序列风险的时序性特点和时序性指标的建立 | 第27-47页 |
| 3.1 有关方差不能很好地表达金融时间序列风险的论证 | 第27-29页 |
| 3.2 同一组随机收益率的不同排序的差别 | 第29-33页 |
| 3.3 结合MACD指标考察时间序列重新排列的效应 | 第33-34页 |
| 3.4 具有相同的期望与方差的不同收益率序列的差别 | 第34-38页 |
| 3.5 设计描述金融时间序列不确定性的时序性指标的若干原则 | 第38-39页 |
| 3.6 基于单元段折点波动法建立时序性指标 | 第39-41页 |
| 3.7 时间序列时序性指标TV的合理性检验 | 第41-46页 |
| 3.8 本章小结 | 第46-47页 |
| 第4章 蒙特卡洛模拟法结合时序性的T-CVa R计算模型 | 第47-56页 |
| 4.1 借助于TV指标构造相应的条件在险价值指标的设想 | 第47-48页 |
| 4.2 T-CVa R概念的引入 | 第48-49页 |
| 4.3 运用蒙特卡洛模拟法估计CVa R的步骤 | 第49-52页 |
| 4.4 基于时序方差TV~2的蒙特卡洛模拟法的T-Cva R模型建立 | 第52-54页 |
| 4.5 基于ARMA-GARCH的蒙特卡洛模拟法的T-CVa R模型建立 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 基于时序性调整的T-CVa R计算模型实证分析 | 第56-74页 |
| 5.1 金融资产收益率的统计学检验 | 第56-63页 |
| 5.1.1 样本的选取及收益率处理 | 第56-57页 |
| 5.1.2 资产收益率的统计学检验 | 第57-63页 |
| 5.2 TV-MC模型的实证分析 | 第63-68页 |
| 5.2.1 基于TV-MC模型的T-CVa R计算 | 第63-65页 |
| 5.2.2 基于TV-MC模型的T-CVa R检验 | 第65-68页 |
| 5.3 ARMA-GARCH-MC模型的实证分析 | 第68-70页 |
| 5.3.1 基于ARMA-GARCH-MC模型的T-CVa R计算 | 第68-69页 |
| 5.3.2 基于ARMA-GARCH-MC模型的T-CVa R检验 | 第69-70页 |
| 5.4 时序方差TV~2优化ARMA-GARCH-MC模型的实证分析 | 第70-73页 |
| 5.4.1 时序方差TV~2优化ARMA-GARCH-MC模型的建立 | 第70-71页 |
| 5.4.2 基于ARMA-TV-GARCH-MC模型的T-CVa R计算与检验 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80页 |
