| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 VaR与CVaR模型的基本研究概况 | 第10-12页 |
| 1.2.1 VaR模型的研究现状综述 | 第10-11页 |
| 1.2.2 CVaR模型的研究现状综述 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 VaR与CVaR的方法概述 | 第14-18页 |
| 2.1 VaR与CVaR模型 | 第14-15页 |
| 2.1.1 VaR简介 | 第14页 |
| 2.1.2 CVaR对VaR的改进 | 第14-15页 |
| 2.2 VaR与CVaR的计算方法 | 第15-18页 |
| 2.2.1 分析方法 | 第15-16页 |
| 2.2.2 历史模拟法 | 第16页 |
| 2.2.3 Monte Carlo模拟法 | 第16-18页 |
| 第3章 ARMA模型及研究方法理论准备 | 第18-28页 |
| 3.1 ARMA模型简介 | 第18-21页 |
| 3.1.1 AR模型 | 第18-19页 |
| 3.1.2 MA模型 | 第19-20页 |
| 3.1.3 ARMA模型 | 第20-21页 |
| 3.2 Monte Carlo模拟的VaR与CVaR计算 | 第21-22页 |
| 3.3 基于IS的MC模拟计算VaR与CVaR | 第22-28页 |
| 3.3.1 重要抽样法基本思想 | 第22-24页 |
| 3.3.2 重要抽样法的方差缩减 | 第24-25页 |
| 3.3.3 重要抽样法概率密度函数的选择 | 第25-28页 |
| 第4章 ARMA模型的VaR与CVaR的计算机模拟 | 第28-35页 |
| 4.1 传统的Monte Carlo模拟来计算VaR与CVaR | 第29-32页 |
| 4.2 基于重要抽样法的Monte Carlo模拟计算VaR与CVaR | 第32-35页 |
| 第5章 基于IS的VaR与CVaR模型对股票组合风险度量的实证研究 | 第35-45页 |
| 5.1 模型识别 | 第35-39页 |
| 5.1.1 时序图检验 | 第35-38页 |
| 5.1.2 股票日收益率序列描述分析 | 第38-39页 |
| 5.1.3 股票组合日收益率的平稳性检验 | 第39页 |
| 5.2 模型定阶 | 第39-41页 |
| 5.3 模型适应性检验 | 第41页 |
| 5.4 股票组合日收益率的VaR与CVaR计算 | 第41-45页 |
| 5.4.1 传统的蒙特卡洛模拟法计算VaR与CVaR | 第41-43页 |
| 5.4.2 基于IS的蒙特卡洛模拟法计算VaR与CVaR | 第43-45页 |
| 第6章 结论与展望 | 第45-47页 |
| 6.1 主要研究结论 | 第45-46页 |
| 6.2 论文的不足与展望 | 第46-47页 |
| 6.2.1 不足之处 | 第46页 |
| 6.2.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-56页 |
| 致谢 | 第56-57页 |
