| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究的背景及意义 | 第8-11页 |
| ·文献综述 | 第11-14页 |
| ·国内外VaR方法文献综述 | 第11-12页 |
| ·分位数回归模型的文献综述 | 第12-13页 |
| ·Copula模型的文献综述 | 第13-14页 |
| ·本文研究的主要内容和创新点 | 第14-17页 |
| ·论文的主要内容 | 第14-15页 |
| ·论文的创新点 | 第15-17页 |
| 第二章 VaR方法概述 | 第17-20页 |
| ·VaR方法概述 | 第17-18页 |
| ·VaR的定义 | 第17页 |
| ·VaR的计算方法 | 第17-18页 |
| ·条件VaR的含义 | 第18-20页 |
| 第三章 分位数回归估计 | 第20-25页 |
| ·分位数回归的基本概念 | 第20页 |
| ·分位数回归模型及其估计 | 第20-22页 |
| ·线性分位数回归模型及其估计 | 第20-21页 |
| ·非线性分位数回归模型 | 第21-22页 |
| ·分位数回归的检验 | 第22-25页 |
| ·Wald检验 | 第22-23页 |
| ·秩检验 | 第23页 |
| ·似然比检验 | 第23-25页 |
| 第四章 基于虚拟变量分位数回归模型的条件VaR估计 | 第25-33页 |
| ·模型选择准则 | 第25-26页 |
| ·R~2 | 第25页 |
| ·校正R~2 | 第25页 |
| ·赤池信息准则 | 第25-26页 |
| ·施瓦茨信息准则 | 第26页 |
| ·实证分析 | 第26-33页 |
| ·数据描述 | 第26页 |
| ·日内波幅估计量 | 第26-29页 |
| ·线性分位数回归模型分析 | 第29-31页 |
| ·含虚拟变量的分位数回归模型 | 第31-33页 |
| 第五章 Copula分位数回归及Copula函数在金融风险尾部相关性分析中的应用 | 第33-45页 |
| ·相关结构函数Copula | 第33-34页 |
| ·相关性度量 | 第34-35页 |
| ·检验最优Copula函数 | 第35-37页 |
| ·Copula分位数回归 | 第37页 |
| ·阿基米德Copula分位数回归模型 | 第37-39页 |
| ·阿基米德Copula分位数回归曲线的一般形式 | 第37-38页 |
| ·常见的几种阿基米德Copula分位数回归曲线 | 第38-39页 |
| ·利用Copula实证分析金融风险的尾部相关性 | 第39-44页 |
| ·对样本数据进行统计描述 | 第39-40页 |
| ·Copula函数的参数估计 | 第40页 |
| ·最优Copula函数 | 第40-42页 |
| ·Copula模型的尾部相关性 | 第42-44页 |
| ·结论 | 第44-45页 |
| 第六章 结论及展望 | 第45-47页 |
| ·本文的主要结论 | 第45页 |
| ·研究的不足及展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 硕士学位期间的研究成果 | 第51页 |