| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第12-24页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 选题分析与研究目的 | 第13-14页 |
| 1.2.1 选题分析 | 第13-14页 |
| 1.2.2 研究目的 | 第14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 研究创新与研究方法 | 第16-17页 |
| 1.4.1 研究创新 | 第16-17页 |
| 1.4.2 研究方法 | 第17页 |
| 1.5 Copula函数的研究现状及文献综述 | 第17-24页 |
| 1.5.1 Copula函数的国外研究现状 | 第17-20页 |
| 1.5.2 Copula函数的国内研究现状 | 第20-21页 |
| 1.5.3 现有文献不足与进一步研究的方向 | 第21-24页 |
| 2 模型理论基础 | 第24-52页 |
| 2.1 GARCH族模型理论基础 | 第24-27页 |
| 2.1.1 GARCH族模型种类 | 第24-25页 |
| 2.1.2 GARCH族模型文献综述 | 第25-27页 |
| 2.2 SV模型理论基础 | 第27-29页 |
| 2.2.1 SV模型理论 | 第27页 |
| 2.2.2 SV模型文献综述 | 第27-29页 |
| 2.3 Copula函数基础理论 | 第29-40页 |
| 2.3.1 Copula函数与Sklar定理 | 第29-30页 |
| 2.3.2 Copula的类型选择 | 第30-31页 |
| 2.3.3 Copula函数的拟合 | 第31-34页 |
| 2.3.4 相依性 | 第34-35页 |
| 2.3.5 Copula类型判别与公式 | 第35-37页 |
| 2.3.6 Copula的拟合效果检验方法 | 第37-38页 |
| 2.3.7 传统多元Copula函数的仿真 | 第38-39页 |
| 2.3.8 Copula函数的动态化 | 第39-40页 |
| 2.4 藤Copula基础理论 | 第40-45页 |
| 2.4.1 研究背景 | 第40-41页 |
| 2.4.2 多元Copula分解与藤结构 | 第41-43页 |
| 2.4.3 规则藤、C藤与D藤 | 第43页 |
| 2.4.4 藤Copula函数的动态化 | 第43页 |
| 2.4.5 藤Copula的算法与编程实现 | 第43-45页 |
| 2.5 极值理论 | 第45-49页 |
| 2.5.1 文献综述 | 第45-46页 |
| 2.5.2 极值理论 | 第46-49页 |
| 2.6 VaR理论基础与回溯检验 | 第49-52页 |
| 2.6.1 VaR理论基础 | 第49-51页 |
| 2.6.2 VaR的回溯检验 | 第51-52页 |
| 3 高维动态藤Copula函数的建模与仿真 | 第52-64页 |
| 3.1 问题的提出 | 第52-53页 |
| 3.2 Copula函数和高维动态藤Copula结构 | 第53-55页 |
| 3.2.1 理论基础 | 第53页 |
| 3.2.2 藤结构的排列 | 第53-55页 |
| 3.3 条件动态相依 | 第55-58页 |
| 3.3.1 动态条件相依性理论基础 | 第55-57页 |
| 3.3.2 动态条件相依的求解 | 第57-58页 |
| 3.4 h函数的动态化和高维动态藤Copula结构的构建 | 第58-59页 |
| 3.4.1 h函数的动态化 | 第58页 |
| 3.4.2 高维动态藤Copula结构的拟合 | 第58-59页 |
| 3.5 h逆函数的动态化和高维动态藤Copula结构的仿真 | 第59-62页 |
| 3.5.1 h逆函数的动态化 | 第59-60页 |
| 3.5.2 高维动态藤Copula结构的仿真 | 第60-62页 |
| 3.6 总述与进一步研究的方向 | 第62-64页 |
| 4 基于极值统计和高维动态C藤Copula的股市行业集成风险计算 | 第64-82页 |
| 4.1 研究问题的提出 | 第64页 |
| 4.2 理论基础 | 第64-65页 |
| 4.2.1 研究现状 | 第64-65页 |
| 4.2.2 Copula、Vine Copula与风险计量 | 第65页 |
| 4.2.3 Vine的类型与排序 | 第65页 |
| 4.3 高维动态Vine Copula的构建 | 第65-67页 |
| 4.4 VaR与回溯检验 | 第67页 |
| 4.5 数理分析 | 第67-79页 |
| 4.5.1 数据预处理 | 第67-68页 |
| 4.5.2 平稳性检验 | 第68页 |
| 4.5.3 自相关检验与波动性聚类判别 | 第68-70页 |
| 4.5.4 单个时间序列的模型提炼与数据过滤 | 第70-72页 |
| 4.5.5 广义帕累托分布(GPD)参数估计与拟合检验 | 第72-73页 |
| 4.5.6 高维动态C-Vine Copula结构的Pair-Copula分解 | 第73-77页 |
| 4.5.7 VaR的仿真与回溯检验 | 第77-79页 |
| 4.6 动态C-Vine Copula的风险效果分析 | 第79-80页 |
| 4.7 本章结论与研究意义 | 第80-82页 |
| 5 基于藤Copula-MCMC-SV-T模型的马航空难对六国(地)股指的风险传染研究 | 第82-100页 |
| 5.1 研究方法的引入 | 第82-83页 |
| 5.2 理论与模型 | 第83-88页 |
| 5.2.1 Copula函数、非线性相关和风险传染 | 第83-84页 |
| 5.2.2 单个金融序列的残差过滤模型和MCMC算法 | 第84-85页 |
| 5.2.3 马氏性、马尔可夫链与Gibbs抽样 | 第85-86页 |
| 5.2.4 C藤Copula结构与拟合算法 | 第86页 |
| 5.2.5 基于C藤Copula的危机传染路径图原理 | 第86-88页 |
| 5.3 实证研究 | 第88-98页 |
| 5.3.1 两次空难基本情况 | 第88-89页 |
| 5.3.2 数据处理与统计描述 | 第89-90页 |
| 5.3.3 数据边缘分布拟合 | 第90-94页 |
| 5.3.4 藤Copula结构与风险传染分析 | 第94-98页 |
| 5.4 本章结论与进一步研究的方向 | 第98-100页 |
| 6 基于高维动态藤Copula的汇率组合风险分析 | 第100-120页 |
| 6.1 问题的提出 | 第100页 |
| 6.2 高维动态藤Copula构建 | 第100-101页 |
| 6.3 实证研究 | 第101-115页 |
| 6.3.1 数据预处理 | 第101-102页 |
| 6.3.2 平稳性检验 | 第102-103页 |
| 6.3.3 独立性检验与波动性聚类判别 | 第103-104页 |
| 6.3.4 单个时间序列的模型提炼与数据过滤 | 第104-106页 |
| 6.3.5 广义帕累托分布(GPD)参数估计与拟合检验 | 第106-108页 |
| 6.3.6 高维动态藤Copula的参数估计 | 第108-111页 |
| 6.3.7 高维动态C藤和D藤Copula函数的仿真与VaR测度 | 第111-115页 |
| 6.4 VaR的分解与最小VaR的资产权重 | 第115-118页 |
| 6.4.1 VaR的分解 | 第115-116页 |
| 6.4.2 最小VaR的资产组合权重 | 第116-118页 |
| 6.5 本章小结 | 第118-120页 |
| 7 研究总结和后续研究展望 | 第120-122页 |
| 7.1 主要研究结论 | 第120-121页 |
| 7.2 后续研究展望 | 第121-122页 |
| 致谢 | 第122-124页 |
| 参考文献 | 第124-134页 |
| 附录 | 第134-137页 |
| A 作者在攻读博士学位期间发表的文章 | 第134页 |
| B 作者在攻读博士学位期间参与的研究课题 | 第134页 |
| C 藤Copula的编程算法 | 第134-137页 |
