| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第8-12页 |
| 1．1 风险价值发展概述 | 第8-9页 |
| 1．2 风险价值研究的问题 | 第9-10页 |
| 1．3 风险价值研究的意义 | 第10-11页 |
| 1．4 本文的主要研究工作 | 第11-12页 |
| 2 预备知识 | 第12-20页 |
| 2．1 金融风险及风险价值 | 第12-16页 |
| 2．1．1 VaR的定义 | 第12-13页 |
| 2．1．2 VaR的概率推导 | 第13页 |
| 2．1．3 VaR需要解决的问题 | 第13-14页 |
| 2．1．4 投资组合的VaR | 第14-15页 |
| 2．1．5 VaR与传统的风险区别 | 第15-16页 |
| 2．2 矩阵基本知识 | 第16-20页 |
| 2．2．1 矩阵分块及行列式 | 第17-18页 |
| 2．2．2 矩阵的分解 | 第18页 |
| 2．2．3 矩阵特征值及相关不等式 | 第18-20页 |
| 3 Laplace分布性质研究及应用 | 第20-30页 |
| 3．1 Laplace分布函数的性质 | 第20-25页 |
| 3．1．1 Laplace常用性质 | 第21-23页 |
| 3．1．2 Laplace分布与正态分布的区别 | 第23-25页 |
| 3．2 Laplace分布的实证分析 | 第25-29页 |
| 3．2．1 数据来源及一些基本统计指标 | 第25-27页 |
| 3．2．2 Laplace分布在股票市场收益分布的应用 | 第27-29页 |
| 3．3 本章小结 | 第29-30页 |
| 4 Laplace极值混合分布与VaR的估计 | 第30-40页 |
| 4．1 极值分布及参数估计 | 第30-36页 |
| 4．1．1 极值分布及厚尾理论 | 第30-34页 |
| 4．1．2 极值分布参数的线性最小二乘估计 | 第34页 |
| 4．1．3 极值分布参数的一种改良最小二乘参数估计方法 | 第34-36页 |
| 4．2 基于Laplace分布和极值分布的新分布 | 第36-37页 |
| 4．3 混合分布用于VaR的实证分析 | 第37-40页 |
| 5 核密度估计在预测风险价值中的应用 | 第40-49页 |
| 5．1 核密度估计 | 第40-42页 |
| 5．1．1 核密度估计的定义 | 第40-41页 |
| 5．1．2 Laplace核的应用及性质 | 第41-42页 |
| 5．1．3 核密度估计的窗宽及阶数 | 第42页 |
| 5．2 单变量核密度估计模型 | 第42-44页 |
| 5．3 单变量核密度估计模型的应用 | 第44-46页 |
| 5．4 实证结果的比较分析 | 第46-48页 |
| 5．5 本章小结 | 第48-49页 |
| 6 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第53页 |