极值统计模型族的参数估计及其应用研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-19页 |
| ·论文研究的背景 | 第10-13页 |
| ·极值统计理论的产生与发展 | 第10-11页 |
| ·极值统计理论在工程设计领域中的重要地位 | 第11-12页 |
| ·极值统计理论与金融风险管理 | 第12-13页 |
| ·问题的提出 | 第13-16页 |
| ·关于极值分布模型族的研究 | 第13-14页 |
| ·广义极值分布参数的Bayes估计问题 | 第14页 |
| ·线性相关系数与相关性度量 | 第14-15页 |
| ·极值事件的尾部相关性 | 第15-16页 |
| ·关于VaR的研究 | 第16页 |
| ·论文的结构与创新 | 第16-19页 |
| ·论文的结构 | 第16-18页 |
| ·论文的创新点 | 第18-19页 |
| 第二章 极值统计模型族及其特性 | 第19-41页 |
| ·一元极值分布 | 第19-31页 |
| ·中心极限定理 | 第19-20页 |
| ·极值分布与次序统计量 | 第20-22页 |
| ·极值分布的最大值吸引场 | 第22-23页 |
| ·超阈值分布 | 第23-25页 |
| ·点过程模型 | 第25-31页 |
| ·多元极值分布 | 第31-41页 |
| ·Copula 的定义及性质 | 第31-34页 |
| ·二元极值分布的参数模型 | 第34-36页 |
| ·二元区组最大值模型 | 第36-37页 |
| ·二元阈值模型 | 第37-38页 |
| ·二元点过程模型 | 第38-41页 |
| 第三章 极值分布参数的估计 | 第41-62页 |
| ·极值分布参数的估计方法 | 第41-50页 |
| ·矩估计法 | 第41-43页 |
| ·极大似然估计法 | 第43-45页 |
| ·概率加权矩估计法 | 第45-47页 |
| ·L矩估计法 | 第47-49页 |
| ·为什么有极值分布的Bayes估计法 | 第49-50页 |
| ·Bayes 统计模型 | 第50-56页 |
| ·先验分布与后验分布 | 第50-51页 |
| ·使用Bayes公式遇到的两个问题 | 第51-56页 |
| ·极值分布参数的Bayes估计及应用 | 第56-62页 |
| ·广义极值分布参数的先验分布 | 第56-58页 |
| ·黄浦公园水文观测站数据的实证分析 | 第58-62页 |
| 第四章 线性相关系数与相关性分析 | 第62-79页 |
| ·线性相关系数 | 第62-65页 |
| ·对线性相关系数的进一步理解 | 第62-65页 |
| ·线性相关系数的不足 | 第65页 |
| ·相关结构Copula的分类及相关性分析 | 第65-70页 |
| ·椭圆型Copula | 第65-66页 |
| ·阿基米德(Archimedean)Copula | 第66-69页 |
| ·混合Copula | 第69-70页 |
| ·基于Copula函数和极值理论的相关模型的构建 | 第70-71页 |
| ·选取合适的边缘分布 | 第70-71页 |
| ·选取合适的Copula函数 | 第71页 |
| ·M-Copula-GPD模型的参数估计与检验 | 第71-74页 |
| ·M-Copula-GPD模型的参数估计 | 第71-72页 |
| ·M-Copula-GPD模型的检验 | 第72-74页 |
| ·沪深股市相关结构分析研究 | 第74-79页 |
| ·Copula概念的市场意义 | 第74-75页 |
| ·边缘分布模型的估计结果 | 第75-76页 |
| ·混合相关结构M-Copula模型的估计结果 | 第76页 |
| ·M-Copula-GPD模型的拟合优度检验 | 第76-77页 |
| ·结论 | 第77-79页 |
| 第五章 极值尾部的相关性度量 | 第79-94页 |
| ·研究多元极值相关性的必要性 | 第79-80页 |
| ·极值的相关性度量 | 第80-87页 |
| ·相关性度量χ | 第80-81页 |
| ·相关性度量χ|- | 第81-83页 |
| ·尾部相关系数η | 第83-84页 |
| ·相关性度量χ和χ|ˉ的估计 | 第84-86页 |
| ·二元极值相关性的理论和模型 | 第86-87页 |
| ·沪市收益率与成交量的极值相关性分析 | 第87-94页 |
| ·数据的选取与描述 | 第87-88页 |
| ·极值数据的探索性分析 | 第88页 |
| ·用χ和χ|-定量描述极值相关性 | 第88-90页 |
| ·用二元极值模型描述相关性 | 第90-91页 |
| ·结论 | 第91-94页 |
| 第六章 应用极值理论分析风险价值VaR | 第94-107页 |
| ·VaR的理论与发展 | 第94-97页 |
| ·VaR的发展概述 | 第94-96页 |
| ·VaR的定义及要解决的问题 | 第96-97页 |
| ·VaR与传统风险测量的区别 | 第97页 |
| ·VaR的若干度量方法及其比较 | 第97-103页 |
| ·VaR的统计模型 | 第98-101页 |
| ·几种计算VaR方法的实证研究 | 第101-103页 |
| ·基于极值理论的VaR和CVaR的估计 | 第103-107页 |
| ·CVaR的统计模型 | 第103页 |
| ·沪市股票指数VaR和CVaR的实证分析 | 第103-107页 |
| 第七章 总结与展望 | 第107-112页 |
| ·论文工作总结 | 第107-110页 |
| ·极值统计模型族特性及应用总结 | 第107-108页 |
| ·基于Bayes方法的广义极值分布的参数估计 | 第108页 |
| ·变量的相关模型研究 | 第108-109页 |
| ·极值的相关性分析及应用研究 | 第109页 |
| ·VaR的度量方法及CVaR的应用研究 | 第109-110页 |
| ·研究展望 | 第110-111页 |
| ·关于Bayes方法的深入研究及其应用 | 第110页 |
| ·关于多元极值分布的进一步研究 | 第110-111页 |
| ·关于进一步拓宽极值模型族的应用领域 | 第111页 |
| ·结束语 | 第111-112页 |
| 参考文献 | 第112-120页 |
| 发表论文和参加科研情况说明 | 第120-121页 |
| 致谢 | 第121页 |
