| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| 第一节 研究背景及意义 | 第9-12页 |
| 一、研究背景 | 第9-11页 |
| 二、实际意义 | 第11页 |
| 三、理论意义 | 第11-12页 |
| 第二节 文献综述 | 第12-17页 |
| 一、有关对波动率建模的国内外文献 | 第12-13页 |
| 二、非参数法计算VaR的国内外文献 | 第13-14页 |
| 三、参数法计算VaR的国内外文献 | 第14-15页 |
| 四、半参数法计算VaR的国内外文献 | 第15-17页 |
| 第三节 本文的研究内容及创新点 | 第17-19页 |
| 一、本文的基本框架 | 第17-18页 |
| 二、本文的创新点 | 第18-19页 |
| 第二章 VaR理论知识梳理 | 第19-32页 |
| 第一节 VaR的定义及计算 | 第19-22页 |
| 一、VaR的定义 | 第19页 |
| 二、VaR三要素的选择 | 第19-20页 |
| 三、一般分布下的VaR计算 | 第20-21页 |
| 四、传统正态分布下的VaR计算 | 第21-22页 |
| 第二节 VaR的计算 | 第22-26页 |
| 一、参数法 | 第22-24页 |
| 二、非参数法 | 第24-25页 |
| 三、半参数法 | 第25-26页 |
| 第三节 VaR方法的优点与缺陷 | 第26页 |
| 第四节 VaR模型的准确性检验 | 第26-28页 |
| 第五节 数据选取及描述性统计分析 | 第28-32页 |
| 一、数据选取 | 第28页 |
| 二、基本统计特征 | 第28-29页 |
| 三、平稳性检验 | 第29-30页 |
| 四、异方差性检验 | 第30-32页 |
| 第三章 基于极值理论的VaR测度 | 第32-47页 |
| 第一节 极值理论简介 | 第32-42页 |
| 一、BMM模型 | 第32-35页 |
| 二、基于BMM模型的尾部风险 | 第35-36页 |
| 三、帕累托分布 | 第36-38页 |
| 四、POT模型 | 第38-39页 |
| 五、基于POT模型的尾部风险 | 第39页 |
| 六、POT模型阈值选取 | 第39-42页 |
| 第三节 极值理论VaR模型的实证分析 | 第42-47页 |
| 一、阈值u的选取 | 第42-44页 |
| 二、参数估计 | 第44页 |
| 三、风险值计算 | 第44-45页 |
| 四、风险回测检验 | 第45-47页 |
| 第四章 基于GJR-GARCH模型所改进的尾指数方法度量风险值 | 第47-59页 |
| 第一节 GARCH族模型介绍 | 第48-49页 |
| 一、ARCH(p)模型 | 第48页 |
| 二、GARCH(p,q)模型 | 第48-49页 |
| 三、GJR-GARCH(p,q)模型 | 第49页 |
| 第二节 几种常见的残差厚尾分布假设 | 第49-53页 |
| 一、t分布的概率密度函数 | 第50页 |
| 二、GED分布的概率密度函数 | 第50-51页 |
| 三、SKST分布的概率密度函数 | 第51-53页 |
| 第三节 改进的尾指数估计方法及风险度量 | 第53-54页 |
| 一、改进的尾指数估计方法 | 第53-54页 |
| 二、风险值度量 | 第54页 |
| 第四节 实证分析 | 第54-59页 |
| 一、AR(1)-GJR-GARCH(1,1)模型的参数估计 | 第54-55页 |
| 二、风险度量 | 第55-56页 |
| 三、风险回测检验 | 第56-59页 |
| 第五章 基于APARCH-EVT模型的动态极端风险 | 第59-69页 |
| 第一节 APARCH模型介绍 | 第59-60页 |
| 第二节 尾部风险度量 | 第60-61页 |
| 第三节 基于APARCH-EVT模型的极端风险实证分析 | 第61-69页 |
| 一、APARCH模型参数估计 | 第61-63页 |
| 二、标准收益率的基本统计特征 | 第63-64页 |
| 三、阈值u的选取 | 第64-65页 |
| 四、广义帕累托分布的参数估计 | 第65-66页 |
| 五、POT模型下风险值计算 | 第66-67页 |
| 六、风险回测检验 | 第67-69页 |
| 第六章 结论 | 第69-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
