摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-20页 |
·选题背景和意义 | 第10-13页 |
·国内外研究现状 | 第13-16页 |
·国外研究现状 | 第13-15页 |
·国内研究现状 | 第15-16页 |
·研究目的和内容安排 | 第16-17页 |
·研究思路和技术路线 | 第17-19页 |
·研究方法和创新点以及关键技术 | 第19-20页 |
第二章 Copula理论 | 第20-30页 |
·Copula函数的定义 | 第20页 |
·Copula函数的性质 | 第20-21页 |
·常用Copula函数 | 第21-22页 |
·概率积分变换 | 第22-23页 |
·Copula模型的构建方法 | 第23页 |
·Copula模型的参数估计方法 | 第23-27页 |
·EML法(Exact Maximum Likelihood method) | 第24-25页 |
·IFM法(Inference Functions for Margins method) | 第25页 |
·CML法(Canonical Maximum Likelihood method) | 第25-26页 |
·MLK法(Maximum Likelihood based on Kernel density method) | 第26页 |
·Genest and Rivest法 | 第26-27页 |
·Copula模型的检验 | 第27-30页 |
第三章 SV模型 | 第30-45页 |
·基本SV模型 | 第30-33页 |
·基本SV模型的定义 | 第30-31页 |
·标准基本SV模型 | 第31页 |
·标准基本SV模型的性质 | 第31-33页 |
·扩展SV模型 | 第33-38页 |
·高阶SV模型 | 第33页 |
·多元SV模型 | 第33-34页 |
·厚尾SV模型 | 第34-35页 |
·杠杆SV模型(又称非对称模型:ASV模型) | 第35-36页 |
·非线性SV模型(NSV模型) | 第36页 |
·考虑预期收益的SV模型(SV-M模型) | 第36页 |
·含有外生变量的SV模型 | 第36-37页 |
·长记忆SV模型(LMSV模型) | 第37页 |
·连续SV模型 | 第37-38页 |
·Copula-SV模型 | 第38-39页 |
·SV模型的参数估计方法 | 第39-43页 |
·QML法(Quasi Maximum Likelihood method) | 第40-41页 |
·MCMC法(Markov Chain Monte Carlo method) | 第41-43页 |
·SV模型的事前检验和事后检验 | 第43-45页 |
第四章 VaR | 第45-55页 |
·VaR的起源 | 第45-46页 |
·VaR的定义 | 第46-48页 |
·VaR的计算方法 | 第48-51页 |
·方差-协方差法(Variance-Covariance method) | 第48-50页 |
·蒙特卡罗模拟法(Monte Carlo Simulation method) | 第50-51页 |
·VaR的检验 | 第51-53页 |
·VaR的优缺点 | 第53-55页 |
·VaR的优点 | 第53页 |
·VaR的缺点 | 第53-55页 |
第五章 开放式基金投资组合风险测度的实证研究 | 第55-63页 |
·样本的选取 | 第55-56页 |
·预处理的事前检验 | 第56页 |
·样本的预处理 | 第56-57页 |
·预处理的事后检验(SV模型的事前检验) | 第57页 |
·建立SV模型 | 第57-60页 |
·Copula函数的参数估计及检验 | 第60-61页 |
·VaR的计算结果及失败频率检验 | 第61-63页 |
结论 | 第63-65页 |
参考文献 | 第65-71页 |
攻读学位期间发表的论文 | 第71-72页 |
致谢 | 第72-73页 |
附录 | 第73-81页 |
附录1 SV模型的参数估计的WinBUGS源程序 | 第73-75页 |
附录2 Gaussian Copula函数的参数估计的MatLab源程序 | 第75-78页 |
附录3 Vafiance-Covanance-VaR模型求解的MatLab源程序 | 第78页 |
附录4 Copula-SV-VaR模型求解的MatLab源程序 | 第78-79页 |
附录5 Copu I a-SV-VaR模型求解的MatLab源程序 | 第79-80页 |
附录6 VaR的失败频率检验的MatLab源程序 | 第80-81页 |