| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 导论 | 第9-15页 |
| 一、研究背景与研究意义 | 第9-11页 |
| 二、文献综述 | 第11-13页 |
| 三、研究思路和论文结构 | 第13-14页 |
| 四、本文的创新与不足之处 | 第14-15页 |
| 第一章 极值理论及VaR的基本理论 | 第15-25页 |
| 第一节 极值理论的基础 | 第15-18页 |
| 一、次序统计量及极值分布的三种类型 | 第15-16页 |
| 二、广义极值分布及其参数估计 | 第16-18页 |
| 第二节 极值理论估计VaR | 第18-21页 |
| 一、VaR的基本概念 | 第18页 |
| 二、VaR的常见计算方法 | 第18-20页 |
| 三、VaR的缺点 | 第20页 |
| 四、用极值理论估计VaR | 第20-21页 |
| 第三节 POT模型 | 第21-25页 |
| 一、POT模型的基本理论基础 | 第22页 |
| 二、阈值的选取及模型参数估计 | 第22-24页 |
| 三、POT模型计算VaR的方法 | 第24-25页 |
| 第二章 广义双曲线SV-EVT-POT模型的构建 | 第25-36页 |
| 第一节 SV类模型介绍 | 第26-29页 |
| 一、标准的SV模型 | 第26-27页 |
| 二、厚尾的SV模型 | 第27-29页 |
| 第二节 SV-SKST模型的构建 | 第29-31页 |
| 一、SV-SKST模型的建立 | 第29-31页 |
| 二、模型的参数估计 | 第31页 |
| 第三节 马尔科夫链蒙特卡罗方法 | 第31-34页 |
| 一、贝叶斯统计学的基本知识 | 第32-33页 |
| 二、Gibbs抽样 | 第33-34页 |
| 三、Metropolis-Hasting抽样 | 第34页 |
| 第四节 广义双曲线SV与EVT结合的VaR模型 | 第34-36页 |
| 一、动态VaR模型 | 第34-35页 |
| 二、SV-SKST模型与EVT理论结合的VaR模型 | 第35-36页 |
| 第三章 基于上证指数的VaR的实证分析 | 第36-50页 |
| 第一节 数据的选取和统计分析 | 第36-39页 |
| 一、样本数据的选取和基本特征 | 第36-38页 |
| 二、样本的描述性统计分析 | 第38-39页 |
| 第二节 SV-SKST模型的参数估计 | 第39-41页 |
| 第三节 标准化收益率序列的建模 | 第41-47页 |
| 一、标准化残差序列的构造 | 第42-44页 |
| 二、阈值的选取 | 第44-45页 |
| 三、运用POT模型计算VaR | 第45-47页 |
| 第四节 样本外测试结果评价 | 第47-50页 |
| 研究结论与展望 | 第50-52页 |
| 一、研究结论 | 第50页 |
| 二、研究展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |