| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 1 绪论 | 第11-17页 |
| 1．1 金融风险度量背景研究 | 第11-13页 |
| 1．1．1 准确金融风险度量的现实意义 | 第11页 |
| 1．1．2 金融风险度量的理论研究背景 | 第11-12页 |
| 1．1．3 理论用之于实际的具体情况 | 第12-13页 |
| 1．2 金融风险度量的主要问题和问题的解决 | 第13-15页 |
| 1．2．1 金融资产回报分布的厚尾问题 | 第13-14页 |
| 1．2．2 金融资产回报的极值分布的条件 | 第14页 |
| 1．2．3 金融资产回报分布的完整性 | 第14页 |
| 1．2．4 组合资产回报极值分布问题 | 第14-15页 |
| 1．3 本论文的研究内容和目标 | 第15-16页 |
| 1．4 文章简要结构安排 | 第16-17页 |
| 2 极端值理论(Extreme Value Theory，EVT) | 第17-50页 |
| 2．1 基本概念和假定 | 第18页 |
| 2．2 分块样本极大值理论和模型 | 第18-23页 |
| 2．3 阀顶点(Peaks over threshold，POT)模型 | 第23-26页 |
| 2．4 基于分块样本极大值模型的广义极值分布的参数估计 | 第26-30页 |
| 2．4．1 广义极值分布参数的极大似然点估计方法 | 第26-28页 |
| 2．4．2 金融资产回报极值分布分位数(VaR)的极大似然点估计 | 第28-29页 |
| 2．4．3 极值分布分位数(VaR)的轮廓对数似然法区间估计 | 第29-30页 |
| 2．5 基于阀顶点模型的金融资产厚尾分布的参数估计 | 第30-50页 |
| 2．5．1 基于广义帕雷托分布拟合极值分布的极大似然估计 | 第30-34页 |
| 2．5．1．1 数据服从GPD的可接受性QQ图检验 | 第30-31页 |
| 2．5．1．2 阀值的选取 | 第31-32页 |
| 2．5．1．3 广义帕雷托分布参数的极大似然点估计 | 第32-33页 |
| 2．5．1．4 GPD参数和分位数的轮廓对数似然区间估计 | 第33-34页 |
| 2．5．2 基于域值法拟合尾部极值分布的矩法估计 | 第34-50页 |
| 2．5．2．1 尾部指数的矩法估计原理 | 第34-38页 |
| 2．5．2．2 阀值S_n估计的Hall自助法(Bootstrap) | 第38-50页 |
| 3． 极端值理论用于金融风险度量的实证研究 | 第50-70页 |
| 3．1 金融资产时间序列样本的选取和回报的计算 | 第50-51页 |
| 3．2 金融资产回报时间序列分析 | 第51-57页 |
| 3．2．1 金融资产回报的描述统计和正态性检验 | 第51-52页 |
| 3．2．2 金融资产回报时间序列模型的建立和条件异方差分析 | 第52-57页 |
| 3．2．2．1 金融资产回报时间序列模型的建立 | 第52-53页 |
| 3．2．2．2 模型残差的条件异方差检验 | 第53-54页 |
| 3．2．2．3 模型的参数估计和方差序列的计算 | 第54-57页 |
| 3．3 基于广义帕雷托分布拟合极值分布的实证 | 第57-63页 |
| 3．3．1 标准化残差序列服从GPD的可接受性QQ图检验 | 第57-58页 |
| 3．3．2 标准化残差序列阀值u的选取 | 第58页 |
| 3．3．3 广义帕雷托分布参数的估计 | 第58-63页 |
| 3．3．3．1 广义帕雷托分布参数的极大似然估计 | 第59-62页 |
| 3．3．3．2 广义帕雷托分布参数的非线性回归估计 | 第62-63页 |
| 3．4 金融资产对数回报的分位数估计和模型检验 | 第63-70页 |
| 3．4．1 标准化误差项的分位数估计和模型检验 | 第63-68页 |
| 3．4．2 金融资产对数回报的分位数估计和模型检验 | 第68-70页 |
| 4． 结论和启示 | 第70-72页 |
| 注释 | 第72-73页 |
| 参考文献 | 第73-79页 |
